原创 Leap Motion C++環境的配置

先是建一個c++的win32項目 然後配置項目的包含目錄和庫目錄 包含目錄中添加 C:\Users\chengk\Documents\LeapDeveloperKit_2.3.0+31542_win\LeapSDK\in

原创 Leap Motion 使用OpenCV獲取和顯示圖像

實現的並不難,就是先設置下可以讀取圖像,然後在onFrame裏讀取下圖像並顯示就可以了 #define _CRT_SECURE_NO_DEPRECATE #include <iostream> #include <stdio.h>

原创 在虛幻4中顯示Kinect2.0攝像頭的畫面

默認設置好Kinect的虛幻4插件 先要創建一個材質,爲以後轉化Kinect的圖像用。 打開材質編譯器後,創意一個TextureSampleParameter2D的節點 改名爲Texture,這個名字一定要注意,在使用的時

原创 Leap Motion 用EmguCV 顯示圖像並對齊手指

使用的爲控制檯應用程序。主要的代碼都在重寫的Listener類裏,代碼如下。 中間需要對座標轉換下。 我只顯示了左邊的那副圖。 using System; using System.Collections.Generic; u

原创 使用Xamarin.Forms構建UWP應用

先要建一個Xamarin.Forms項目,並把Xamarin.Forms升到2.0.0 然後建一個UWP空應用 再在NuGet包管理器中安裝Xamarin.Forms的2.0.0版本 換回第一個建的Xamarin.Form

原创 在win10下配置,用Kinect2.0來實現Windows Hello驗證身份

先要修改下註冊表 HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\DriverFlighting\Partner 如果沒有這個文件夾就創建一個吧 然後創建一個字符串類型的變量TargetRin

原创 opencv+Kinect2.0調用Visual Gesture Builder製作的動作

先把製作好的gba文件複製到程序的目錄中去。 因爲動作分爲靜態動作和連續動作,所以對於這個兩種動作的代碼也會有一些不一樣。 先是靜態的: #include "opencv2/core.hpp" #include "opencv

原创 6.在Xamarin.Forms中使用XAML代碼創建頁面

xaml代碼的方式也是和WPF的差不多,比如寫一個label <Label Text="Hello from XAML!" IsVisible="True" XAlign="Center"

原创 7.爲Xamarin.Forms的圖片控件添加手勢

目前有兩種手勢可以使用,Tab和Pitch 在Xamarin裏想使用手勢並不麻煩,只要添加幾行代碼就可以了 先說下Tab吧,就是單擊。(感覺和clicked事件差不多,但Image控件沒有這個事件) 這些是主要代碼,就是一個T

原创 在虛幻4中使用kinect2.0

UE4對kinect的支持並沒有直接整合到編譯器裏,需要先去下一個插件 在這個網站裏下這裏寫鏈接內容 選擇好對應的引擎版本就可以了。(目前還沒有對4.10的支持,4.8的鏈接實際上是4.9版本的,可以先下4.9版本的然後把下載

原创 在Visual Studio中使用psmoveapi

psmoveapi的作者提供的是一Mingw編譯的源代碼,在Visual Studio中不能直接使用 實際上Mingw編譯產生的.a文件和.lib文件可以一樣的使用,vs中可以直接調用 在編譯好的psmoveapi的build文件

原创 使用psmoveapi連接並使用psmove(Windows環境)

先說一下我的系統是win10,藍牙是聯想筆記本自帶的藍牙 之前用的是MotioninJoy連接的,比較簡單,但沒辦法在程序裏使用,於是就換用了這個。 其他版本的Windows不知道,Win10 是需要進測試模式的 https://

原创 更新Xamarin.Forms至2.0版本

Xamarin.Forms 在前兩天已經升級到 2.0.0.6482 了, 開始有了對 UWP 的支持。 但升級官方並沒有提供下載器提示的方式來升級,但可以在Nuget管理裏升級。 步驟如下 點擊升級就可以了

原创 Linux下從一個終端獲取另一個終端正在運行的程序的輸出內容的方法

使用reptyr Ubuntu下,直接apt-get安裝即可 使用方法就是 reptyr <PID> 比如你需要獲取的程序PID爲7191,那麼需要執行的命令就是 reptyr 7191 如果出現這種情況 [-] Proce

原创 keras使用Sequence類調用大規模數據集進行訓練

使用Keras如果要使用大規模數據集對網絡進行訓練,就沒辦法先加載進內存再從內存直接傳到顯存了,除了使用Sequence類以外,還可以使用迭代器去生成數據,但迭代器無法在fit_generation裏開啓多進程,會影響數據的讀取和預處