1.8.5.0 2022/1/1 // 一年又一年，新年快乐！WGestures 2 已发布，WG1 将继续修复 BUG 并 优化性能 * 使用与 WG2 相同的证书, 不再安装自签名根证书 * 使用 .NET 4.8 框架 (较老的系统可能需要安装框架后才能使用) # 修正一些 UI 细节

MouseInc是一款小巧好用的全局鼠标手势软件。

谷歌浏览器鼠标手势插件

StrokeIt手势介绍 用过搜狗浏览器或360极速浏览器的用户，该对浏览器的鼠标手势不会太陌生。激活鼠标手势的标志是*按住鼠标右键“，然后”向特定方向移动鼠标移动鼠标“。比如： 鼠标向左划，就是浏览器里”后退“的操作 鼠标向右划，就是浏览器里”前进“的操作 鼠标向下再向右，就是”关闭当前标签“的操作 鼠标向右再向左，就是”撤销关闭“的操作 每次操作的时候，屏幕还会出现鼠标移动方向的提示，是不是很简单和直观呢？所见即所得。StrokeIt就是一款类似的软件，通过它，可以鼠标手势实现对系统几乎所有窗口和软件操作，比如一般的程序的打开关闭，窗口的放大缩小，任何程序内的前进后退，程序内部功能的操作（如摇晃鼠标发送qq的窗口抖动）。 StrokeIt内置手势 首先StrokeIt官网下载软件安装，并下载汉化包安装。软件初始已经内置了一些常用的鼠标手势操作方案，这个是可以自己添加定制的。 按住鼠标右键，鼠标向右下角移动，屏幕显示鼠标移动提示，并显示”最小化“操作提示，同时你刚刚打开的窗口已经最小化到系统任务栏了。 按住鼠标右键，用鼠标在屏幕上画出一个字母”C“，屏幕显示提示”关闭“，刚刚打开

软件主要功能 按住右键滑动即可开始使用。 配置细微，可自由修改手势宽度，颜色，识别灵敏度等。 支持黑名单，支持特定软件自定义手势，支持复合动作。 功能非常强大，比如下面的操作： 选中一个网址，画P直接打开ping命令。 选中文本以后，画S直接打开浏览器搜索。 高质量截图 这个截图可以保留窗口阴影，半透明（包括win7和win10的毛玻璃特效）。 可以保留鼠标指针形状，可以加入透明网格特效。按下Ctrl+PrtSc可以快速体验。 贴图 可以把截图半透明置顶显示在屏幕上，方便参考内容或对比。 鼠标手势画一个四边形（下右上左）即可体验。 OCR文字识别 鼠标手势画一个四边形（下左上右）即可体验。 按键回显 可在屏幕上显示您所有的键盘按键，方便您在录制视频包含按键信息。 绝对不要在输入密码的时候打开这个功能！ 边缘滚动 在屏幕四边滚动滚轮，可以触发特殊操作。 目前有音量调节和程序切换功能。 复制增强 选中文字快速按下两次Ctrl+C后，会弹出一个快捷操作菜单，可以进行搜索等。 快速音量调节 按住Alt时，滚动滚轮可以快速调节音量大小。

赛车游戏手势控制 opencv 源代码

近年来，手势识别的问题是由于难以利用多种计算方法和设备来感知人的手部运动。因此，在本文中，我们解释了不同的算法来解释手势识别算法，因为它具有得到了很多关注。 我们可以使用手势在不触摸计算机屏幕的情况下与计算机进行交互，可以向计算机提供指令，因此在本文中，我们将介绍使用Kinect进行手势手势检测的方法。 我们正在使用手势识别的动态时间扭曲方法。 我们解释了一种有效的手势识别方法。 我们还使用了简单的K-NN分类器。 在这种方法中，我们使用了DTW（动态时间包装）对齐方式。 我们使用不同的算法和方法来解释有关手势手势识别结果的信息。 我们使用MPLCS算法来识别自由空中的手势并给出良好的结果，之后，我们还使用了MCC计算，该计算确定了重大运动的开始和结束目的，并忽略了未使用的信号。 因此，通过使用此算法，我们给出的手势重组结果要好于以前的所有结果。

手势识别，只需要OPENCV，采用YOLO4T和MOBILENET分类

本文提出了一种使用OPENBCI收集两个手势数据并解码信号以区分手势的实验。 用受试者前臂上的三个电极提取信号，并在一个通道中传输。 利用巴特沃斯带通滤波器后，我们选择了一种新颖的方法来检测手势动作段。 代替使用基于能量计算的移动平均算法，我们开发了一种基于Hilbert变换的算法来找到动态阈值并识别动作段。 从每个活动部分提取了四个特征，生成了用于分类的特征向量。 在分类过程中，我们基于相对较少的样本对K最近邻（KNN）和支持向量机（SVM）进行了比较。 最常见的实验是基于大量数据来追求高度拟合的模型。 但是在某些情况下，我们无法获得足够的训练数据，因此必须探索在小样本数据下进行最佳分类的最佳方法。 尽管KNN以其简单性和实用性而闻名，但它是一种相对耗时的方法。 另一方面，由于支持向量机应用了不同的风险最小化原则，因此在时间要求和识别准确性方面具有更好的性能。 实验结果表明，SVM算法的平均识别率比KNN高1.25％，而SVM比KNN短2.031 s。

手势工具 - WGesture