我需要识别用户用手指在设备屏幕上绘制的一些元素。首先说它们是圆形，水平线，对角线，盒子，还有一些更复杂的，比如闪电符号。
我不仅需要说出更可能是什么元素，而且我还需要识别元素是否绘制错误，所以它不是我识别的元素之一。
我想知道哪种算法最适合它，以及为它收集数据的最佳方法是什么。
目前我使用的是 OpenCV，算法是支持向量机。我通过计算从中心坐标到 10 个图像点的距离来收集数据。效果不好。
【问题讨论】：
标签： algorithm image-processing opencv computer-vision
听起来您需要提取一个特征向量来描述您的“手势”。理想情况下，特征必须是比例和平移不变的。也就是说：无论手势的大小或角度如何，它们都能区分手势。
如果动作本身很重要，您可能会考虑使用 Velocity Moments 作为要使用的功能。
或者，如果您只处理完成的手势形状，您可以使用OpenCV 提供的基于图像的方法。您可能对基于 Hu Moments 的 matchShapes() 方法特别感兴趣。
如果您已经在使用 SVM，那么这就是您的监督分类器，您可以将提取的每个手势（带有标签）的特征向量输入其中以对其进行训练。除了分类器的选择（PCA、朴素贝叶斯、ANN 等）之外，问题的关键在于训练数据的质量。
当我过去做过类似的事情时，我只是使用一个小脚本收集训练数据来捕获鼠标的运动（当按住按钮时）。我似乎记得当时使用 UNIX 命令 'xev' 来捕获窗口鼠标事件。
【讨论】：