本文对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计 并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像 捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像 头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像 对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处 理以及特征提取两个模块中，本文加入了 OpenCV（微软开源视觉库）函数库，在运行的 效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了 模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本 进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实 时处理的设计准则。

手势识别 使用深度学习问题陈述的手势识别：想象一下，您正在一家家用电器公司的数据科学家中工作，该公司生产最先进的智能电视。 您想要在智能电视中开发一个很酷的功能，该功能可以识别用户执行的五个不同手势，这将帮助用户控制电视而无需使用遥控器。 手势由电视上安装的网络摄像头连续监视。 每个手势对应一个特定的命令： 竖起大拇指：提高音量竖起大拇指：降低音量左滑动：“跳”向后10秒右滑动：“跳”向前10秒停止：暂停电影 每个视频都是30帧（或图像）的序列。 训练数据包括归类为五个类别之一的几百个视频。 每个视频（通常为2-3秒）分为30帧（图像）的序列。 这些视频已由在网络摄像头前执行五个手势之一的各种人录制，类似于智能电视将使用的手势。

基于OpenCV+MediaPipe的手势识别（数字、石头剪刀布等手势识别） 可识别左右手，共定义了15种手势，可以自行增加 https://blog.csdn.net/weixin_53403301/article/details/123232435

基于单片机的毕业设计

采用 MMA7260 加速度传感器采集主手腕的手势动作信号，根据手势加速度信号的特点，进行手势动作数据窗口的自动检测、信号去噪和重采样等预处理，通过提 取手势动作的关键特征，构造离散隐马尔可夫模型，实现手势动作识别。

针对传统机器视觉的手势识别方法识别准确率低，抗干扰能力差等问题，提出了一种基于支持向量机（Support Vector Machine，SVM）手势分割和迁移学习的静态手势识别方法.本文使用SVM和迁移学习方法相结合构建新的手势识别模型，利用SVM对样本进行手势分割，将Inception-v3模型作为卷积神经网络模型基础，对网络参数进行fine-tuning，将预先经过手势分割处理后的样本导入模型训练，调整超参数得到新的最优手势识别模型，并在一定干扰环境下测试，得到测试结果.测试结果表明该方法识别准确率和实时反馈效率均高于传统方法，能高效识别手势，满足实际应用需求.

基于计算机视觉的手势识别系统研究_周航.caj

本资料整理的是代码使用python-opencv编写，可以实现简单的手势识别，运行结果在文件内，有需要的小伙伴可以拿去学习。

智能家居硬件小制作（含源码)《手势识别控制器》基于PAJ7620手势模块、L298N驱动板、arduino 目录智能家居硬件小制作（含源码)《手势识别控制器》基于PAJ7620手势模块、L298N驱动板、arduino介绍材料PAJ7620手势模块参数硬件连接库文件使用其他硬件制作手势识别控制器接线源代码 介绍 手势识别控制器，基于arduino、PAJ7620传感器，可实现9种手势识别，应用于制作各种智能硬件 控制电视、窗帘、门、计算机、手机、智能车、机器人等各种硬件 以下以控制电机为例子 材料 Arduino uno PAJ7620手势模块 Base shield扩展板（可选），使接线简单

SGGestureRecognizer：基于$1算法的图形手势识别器