手势控制迷宫游戏项目配置

环境配置

声明：目前我只在 Linux(Ubuntu 16.04) 下做过测试，其他系统不保证能够正常运行，不过因为我使用的开发语言为 Python 2.7.12 所以理论上来说，在 Windows 或者 MacOS 上，只要配置正确，应该能够正确运行。非常重要的一点，请确保主机拥有4GB及以上显存的NVIDIA显卡，我在GTX 980和GTX 1080Ti上都运行过都能够实时的运行。并且，电脑上还需要安装opencv的VideoCapture可以读取的摄像头。
我所使用的开发环境和语言： Linux(Ubuntu16.04)，使用的开发语言为 Python版本为2.7.12。
首先配置 Python 运行环境：
- 假如电脑上有Python 2.7的环境，就不需要额外的配置，否则，需要去Python官网，下载并且按照官网的安装知道配置安装，这里我不加赘述。
- Python2.7安装完毕之后，打开终端(Windows为cmd)，接下来要安装一些运行该项目需要的库:
```
sudo pip install numpy
sudo pip install panda3d
sudo pip install tensorflow-gpu==1.4.0
sudo pip install opencv-python
```
  安装完这些库之后，还需要配置tensorflow-gpu的环境，需要安装对应系统的CUDA 8以及cudnn 6，详细过程这里不多加介绍，网上资源非常的丰富，并且准确。
- 这样运行本项目所需要的Python环境配置就完成了。

然后配置项目运行环境

下载训练好的网络模型。链接: https://pan.baidu.com/s/1Xcvi5QE5iEC6Pr1aK0Bj_A 密码: zhuf

然后将下载好的模型解压缩，整个文件夹放在项目根目录下，最终整个项目的目录为:

.
├── main.py
├── models
│   ├── ball.egg.pz
│   ├── iron05.jpg
│   ├── limba.jpg
│   ├── maze01.jpg
│   ├── maze11.egg
│   └── maze.egg.pz
├── nets
│   ├── __init__.py
│   └── network.py
├── README.md
├── tf_models
│   └── cpm_hand_tf
│       ├── cpm_hand.data-00000-of-00001
│       ├── cpm_hand.index
│       └── cpm_hand.meta
└── utils
    ├── bbtracker.py
    ├── display_utils.py
    ├── forward.py
    ├── gesture_control.py
    ├── __init__.py
    ├── joints_resolve.py
    ├── settings.py
    └── utils.py

有可能会多出一些*.pyc文件，不用在意。

最后根据你机器所拥有的显卡显存，在settings.py中修改比例，使你的显存总量 × 比例 >= 3GB，eg: 我的现存总量为11GB所以我设置的比例为0.3。
迷宫配置，我们预备了两个可用的迷宫模型，只需要在settings.py中修改maze_id变量即可，有两个选项一个是"maze"另一个是"maze11"。

项目运行
- 执行项目只需要在项目根目录下打开终端，然后执行python main.py即可。
- 程序如何使用：(需要注意的是，在运行之前，必须完成以上配置，并且有可用的摄像头安装在电脑上)。运行程序之后，使一只手出现在摄像头拍出的图像区域内，并且区域内有且只能有一只手，如果没有手的话，游戏不会开始。五指张开的时候表示游戏暂停，握拳状态的时候，表示游戏进行。游戏进行的时候，在摄像头可视的范围内移动握拳的手，即可移动迷宫进行游戏，五指张开即可暂停。

kaihangyang / gesture_maze Goto Github PK

gesture_maze's Introduction

手势控制迷宫游戏项目配置

环境配置

gesture_maze's People

Contributors

Watchers

Recommend Projects

React

Vue.js

Typescript

TensorFlow

Django

Laravel

D3

Recommend Topics

javascript

web

server

Machine learning

Visualization

Game

Recommend Org

Facebook

Microsoft

Google

Alibaba

D3

Tencent