在MATLAB平台上，从手势特征（Hu矩、傅里叶描述子）的提取量化到采用BP神经网络，贝叶斯分类器的识别，最后到融合特征的优化。N久之后由于有同学需要这篇博客里的这份代码，文件写了说明，方便查看。https://blog.csdn.net/XYY_CN/article/details/100013518

基于深度学习的手语识别 王建年605627507 执行摘要 计算机视觉具有许多有趣的应用程序，从工业应用程序到社交应用程序。 它也已被应用在对残障人士的许多支持中。 对于聋哑人来说，计算机视觉可以根据手语符号生成英文字母。 我们的团队旨在设计基于摄像头的手语识别系统。 通过将摄像头放置在固定位置，用户可以在摄像头前执行手势，然后系统将使用卷积神经网络（CNN）对手势语符号进行分类。 成功训练CNN模型后，将预测手语符号的相应字母。 产品 大部分工作是安装工具，从摄像机收集数据，通过Tensorflow CNN模型进行数据处理和数据分析。 对于硬件，我们使用了Arduino nano 33 ble sense和Arducam Mini 2MP Plus摄像头模块，这些模块可以由Arduino板的电源供电。 对于软件，我们专注于使用Python / Tensoflow进行编码以构建卷积神经网络

一种用于手语识别的中国手语分类方法，对进行手语翻译开发非常有帮助。