Hand gesture recognizer using TKinter, numpy, and python
※ TKinter와 numpy, python 을 이용하여 손 제스처 인식기를 만들어 보자. 아래와 같은 10 개의 클래스에 대해 17명으로부터 20번씩 입력 받은 200개의 영상이 있다.
200개의 파일중 각클래스의 1번 파일을 클래스를 대표하는 템플릿 𝑇𝑖 라 할 때, 임의로 입력 받 은 영상 X 를 읽어 들여 각 템플릿과 이 영상간 오차를 계산하고 가장 작은 오차를 기록하는 순 서에 기반하여 클래스를 인식하라.
- 원본 파일 종류, 원본 파일 이름, 원본 파일 크기를 절대 수정하지 말 것.
- TKinter를 import 하여 다음의 화면을 구성하라.
- 붉은 색 영역 : 메뉴 ‘파일’ 의 ‘템플릿 등록하기’를 실행하면 10개 클래스를 대표하는 10개의 영상을 선 택하고 선택한 파일을 붉은색 영역에 순서에 맞춰 표시할 것. 이때, 원본파일은 손상시키 지 않은 채 영상의 크기를 창의 크기를 고려해 축소할 것. 불러들인 파일이 10개가 아니 면 오류창 출력!
- 파란색 영역 : ‘인식파일 불러오기’를 실행하면 임의 개수의 파일을 불러들이되, 파란색 영역에 인식순서 에 맞춰 차례대로 하나씩 그림을 출력할 것. 이때는 원본 영상의 크기를 그대로 살려서 출력.
- 녹색 영역 : 위 상태에서 ‘Run!’ 버튼을 누르면 template matching을 실행
- 노란색 영역 : 현재 불러들인 파일과 각 원본 템플릿간 오차 계산 결과를 출력하는 창. 스크롤바를 장착 할 것. Run 버튼을 누를 때마다 내용을 새로 출력할 것.
- 보라색 영역 : 읽어들인 파일의 클래스와 template matching이 결론낸 결과를 출력하고 비교하는 창. 스 크롤 바를 장착. Run 버튼을 누를 때마다 내용을 새로 출력할 것. 가령 ‘1_1_1.jpg’ C1 ‘2_1_1.jpg’ C2 그리고 다수 파일이 인식할 경우 실행한 결과를 정리하여 총 입력한 파일 개수와 맞춘 개수, 그리고 이에 기반한 인식률을 계산하세요.
- ‘실행 결과 저장’ 을 누르면 보라색 화면의 내용을 txt 파일로 저장시킬 것.
- 위에서 상술한 기본 기능은 반드시 포함되어야 하며 그 외는 제작자의 자율에 맡김.
