opencv 手势识别源代码 适合新人学习

1.目标检测格式数据集，标签为yolo的txt格式 2.手势识别数据集，支持[ 'A', 'number 7', 'D', 'I', 'L', 'V', 'W', 'Y', 'I love you', 'number 5' ]10种手势的识别 3. 提供3组训练好的YOLOV5模型 4.代码中包含图形化界面 5.提供B站视频教程：https://www.bilibili.com/video/BV1YL4y1J7xz/

基于支持向量机的静态手势识别研究，李晓颖，杨春金，手势识别作为一种特殊的生物特征识别方式，与指纹、人脸识别比起来，更加友好便捷，而且在人机交互技术中，用处更为广泛。手势识

针对基于视觉的手势识别技术对环境背景要求较高的问题，提出了一种利用深度信息进行手势提取和识别的研究方案。采用Kinect深度摄像头，通过中值滤波以及深度信息与邻域特点来分割手部区域并用Canny算子提取出手势轮廓，再以深度图像的凸缺陷指尖来完成对指尖的检测，从而实现对数字手势1到5的手势识别。该方法可快速有效地对指尖进行检测，鲁棒性和稳定性都比其他方法更好。实验结果表明，该手势识别方案的平均识别率达到92％，证明了该方法的可行性。

针对目前操作工人与工业机器人之间的交互还是采用比较机械化的交互方式，设计使用 Kinect 传感器作为手势采集设备，并使用人的手势来对工业机器人进行控制的方法． 首先，使用深度阈值法与手部骨骼点相结合的方法，从 Kinect 传感器获取的数据中准确地提取出手部图像． 在提取过程中，操作员无需佩戴任何设备，对操作员所站位置没有要求，对背景环境也没要求． 然后，用稀疏自编码网络与 Softmax 分类器结合的方法对手势图像进行识别，手势识别过程包含预训练和微调，预训练是用逐层贪婪训练法依次训练网络的每一层，微调是将整个神经网络看成一个整体微调整个网络的参数，手势识别的准确率达到 99.846%． 最后，在自主研发的工业机器人仿真平台上进行实验，在单手和双手手势下都取得了不错的效果，实验结果验证了手势控制工业机器人的可行性和可用性．

Unity 手势识别，很好用，目前项目在使用，整个程序中用一个就可以

深层 使用神经网络与Google的Project Soli Sensor进行手势识别 更新 数据集和经过训练的模型现在可用。 介绍 这是本文的开源评估代码库： 与Soli交互：探索射频频谱中的细粒度动态手势识别王赛文，宋杰，连杰（Jamie Lien），普皮列夫·伊万（Poupyrev Ivan），奥特玛·希利格斯（链接到） 如果发现该代码有用，请引用该论文。 谢谢你。 （ ） 该项目使用Google的传感器。 Soli是一种新的传感技术，它使用微型雷达来检测非接触式手势交互。 Soli传感器技术通过在宽光束中发射电磁波来工作。 光束中的物体会散射这种能量，从而将一部分反射回雷达天线。 反射信号的属性（例如能量，时间延迟和频移）可以捕获有关对象特征和动力学的丰富信息，包括大小，形状，方向，材料，距离和速度。 我们的论文使用了轻量级的端到端训练的卷积神经网络和递归神经网络架构，

stm32+手势识别模块驱动步进电机，模拟一种无接触式手势识别电梯

基于实现小样本数据集下手势识别的目的，采用了深度卷积神经网络GoogLeNet模型以及PNN神经网络进行分类，同时结合了迁移学习的方法将深度学习模型进行迁移而构建所用模型。用公共数据集Keck Gesture进行实验，通过对数据集图像进行简单的图像预处理，使得图像特征更为明显，将预处理后的图像作为网络输入进行手势识别实验。经实验验证，该方法在该数据上平均准确率达到了99%以上，而且识别速度较快，达到了10帧/s，基本能满足实时性要求。

使用face++的api实现对人脸部表情的识别，并根据人脸表情推荐相应的音乐。进入音乐播放页面后，用户可通过手势操作控制音乐的播放暂停以及上一首和下一首。