flash打造视频照相系列教程一

本教程通过实例演示如何在Flash中实现视频捕捉功能。包括使用Camera类获取摄像头视频流、显示视频画面及判断摄像头是否存在等内容。
[url=http://www.uncool.cn/blogs/read.php?90]
[img]/uploads/allimg/090209/1031070.jpg[/img]
[/url]
       这是我去年做的一个小作品,现在我把他写成一个系列教程,给大家练练手。其中包含了截图的用法,时间事件,TileList组件的应用等等,综合起来还算不错。
       第一步:让舞台能够显示连接的视频,让你的光辉形象显示出来。
       这一步很简单,你首先建立一个FLA文档后,按F11,让库面版显示出来,然后在面版的下部,右键-新建VIDEO,命名随意,完成后,把这个视频从库拖到舞台上,由于初始大小为:160*120,你可以按照你的喜欢,设置为任何大小,我这里就设置为:320*240。并且命名此VIDEO的实例名为:cameraVideo
       接着在时间面版上,新建一个时间轴,并且命名为:action,按F9,开始写代码(后面的代码全都写在里面)。
      
//这是定义个新的相机视频,然后从当前的视频头取得内容。
var myCamera:Camera =Camera.getCamera();
//这个就比较简单了,把定义的相机视频绑定到放置的VIDEO上就可以了
cameraVideo.attachCamera(myCamera);
    
      测试下,看看,是否你的光辉形象出现了。注意:在测试的时候,跳出的设置,你应该选择:允许
      第二步:事情没那么简单,我们需要填坑。
        
       ok,视频是出来了,但是事情还没那么简单,因为你需要考虑万一没装视频头怎么办?总需要来个提示吧。所以我们要把刚才的代码进行完善,弄个辨别语句。
    
var myCamera:Camera=Camera.getCamera();
if (myCamera==null) {
  //意思就是,未检测到视频头,然后该干嘛,当然你想干嘛就干嘛。
  trace("你还没安装视频头,或者视频头未连接");
} else {
  //这是检测成功了
  cameraVideo.attachCamera(myCamera);
    trace("视频头检测成功");
}
    上面的测试是有一点小问题的,因为刚才已经测试成功过有视频头了,现在虽然拔掉视频头,但是他还是会显示连接正确,为啥呢,因为刚才的连接数据他还是存在了本地上。你可以关掉FLASH,然后再重新测试下看看。这个没关系,因为,一般而言在网页上这个错误倒不会出现了。
    
    第三步:换种做法。
    其实,我写这部分,还是有原因的,因为如果按照刚才的从库里拉VIDEO,后面截图会有点小问题,为了方便讲解,再来另一种方法,首先把舞台上的VIDEO删除掉,然后代码如下:
var cameraVideo:Video = new Video();
addChild(cameraVideo);
cameraVideo.width =320;
cameraVideo.height =240;
var myCamera:Camera=Camera.getCamera();
if (myCamera==null) {
  //意思就是,未检测到视频头,然后该干嘛,当然你想干嘛就干嘛。
  //trace("你还没安装视频头,或者视频头未连接");
} else {
  //这是检测成功了  
  cameraVideo.attachCamera(myCamera);
  //trace("视频头检测成功");
  }
     可以注意到,这里是用代码去直接召唤VIDEO了,这样更符合代码写作。
本文转自:http://www.5uflash.com/flashjiaocheng/Flashyingyongkaifa/4788.html
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值