基于Tensorflow 深度学习的手势识别，人机交互

PAJ7620手势识别模块软硬件技术资料+STM32软件DEMO源码: 1-原理图 2-配套程序 3-配套软件 4-官方文档 PAJ-7620与各开发板引脚连接说明.xlsx PAJ-7620手势传感器传感器模块.docx PAJ-7620手势传感器传感器模块.pdf PAJ7620U2_Datasheet_V0.8_20140611.pdf XC6206P332MR_PDF_C14255_2013-06-25.pdf

PAJ7620U2 integrates gesture recognition function with general l'C interface into a single chip. lt canrecognize 9 gestures including move up, move down, move left, move right, move forward, move backward,circle-clockwise, circle-counter clockwise, and wave.These gestures information can be simply accessed viathe PC bus. The PAJ7620U2 also offers built-in proximity detection for the purpose of sensing objectapproaching or departing.The PAJ7620U2 is designed with great flexibility in power-saving mechanism. PAJ7620U2将手势识别功能与通用的l‘C接口集成在一块芯片上。它能识别出9个手势，包括上移、下移、左移、右移、向前移动、向后移动、圆周顺时针方向、圆圈逆时针方向和波。这些手势信息可以通过PC总线简单地访问。PAJ7620U2还提供内置的近距离检测，用于感知物体的接近或位置。PAJ7620U2的设计在节能机制上具有很大的灵活性。

随着可穿戴电子设备的发展，基于手势识别的人机交互技术已经成为研究热点。为减小可穿戴设备的体积和优化手势识别算法，提出了一种具有手势识别功能手指可穿戴控制器的设计方案。控制器由集成陀螺仪和加速度计的MEMS惯性传感器、WiFi无线通信模块和嵌入式微处理器组成。通过WiFi无线通信协议将手势运动姿态数据传送到计算机，提取出6类手势运动特征量，通过决策树分类器对其进行分类处理，结合姿态角对手势进行识别，无需模板匹配。通过对20位实验者测试的数据表明，平均手势识别准确率为97%，无需对测试者进行手势预训练。

复杂背景下基于傅立叶描述子的手势识别，是傅里叶描述子的应用得出来的论文

单一背景2000张，复杂1000张

石头剪刀布 手势识别 vc源码 包含我做的一个数据库

自己刚学习opencv的一个小作品，参考了网上一位网友的手势分离的方法。

1. 训练和测试数据集 2. 训练和测试代码（支持的backbone包括resent,mobilenet,shufflenet等） 3. 测试结果和演示图像

opencv 手势识别 可以在 ubantu 下面直接运行