基于Python的OpenCV手势识别程序代码+文档+演示视频，利用图像数据处理，用Python编写的手势识别小游戏

RealsenseD435-Nuitrack是一款用于在Unity中使用RealsenseD435深度相机的手势识别SDK。

通过opencv&KNN实现手势识别，代码简单，效果很好。功能包含，图片采集，特征处理，k值调整，手势预测，石头剪刀布小游戏

CNN_Gesture一个实时的手势识别脚本 基于Opencv + keras的实时手势识别系统，准确率约96％，可录制数据集。 python3.6 + opencv + keras + numpy + PIL 运行“录制手势.py”，单击opencv的窗口，如果发现背景不够干净可以通过键盘按'b'重新设置背景。 键盘按'l'进入手势录制模式，一个手势录制完成训练集后会时段3s，再开始录制测试集。每个手势训练集+测试集录制结束后，键盘再按'l'会录制下一个手势，直到所有手势都录制完成。 全部训练手势录制完，按't'进行训练，模型训练结束会得到一下内容 模型的结构图 训练集和测试集的准确率和损失折线图 测试集的重新矩阵图 .h5后缀的模型 training.py如果已经包含数据集或使用上传的数据集，可以直接运行得到模型Forecast.py可以查看每个手势的预测准确率 获得模型后，预测手势

2018年大学生电子设计大赛手势识别实验 ，fdc2214与4块铜板组合，从而达到测量五个手指的目的，采用LCD显示，采用I2C通讯，也采用递推平均值算法去滤波，fdc2214最好采用安卓口单独供电性能较好。

从手势图像的预处理、手势的特征提取和手势的识别三方面对基于视觉的手势识别进行了研究。 图像预处理包括图像平滑、图像分割、二值化、图像形态学处理和轮廓提取。轮廓提取是使用八邻域边界跟踪算法。在手势的特征提取部分，使用边界傅立叶描绘子的手势特征提取算法。针对手势的识别，采用了基于 BP 神经网络的识别方法。 是基于opencv和vs编写的程序

该手势识别装置是基于TI公司传感芯片FDC2214设计制作一个手势识别装置，实现对猜拳游戏和划拳游戏的判决，装置由STMicroelectronics公司单片机芯片STM32为主控核心，FDC2214具有低功耗抗噪声高分辨率的特点，通过电容式传感将采集到的频率值送至主控，在训练模式下，主控将FDC2214采集到的四路频率值进行训练学习，在判定模式下，系统将当前采集到的数据与训练数据进行比较分析后将判定手势结果送由OLED显示，从而实现对不同手势的判定。

本系统由STM32 F103RCT6为主控制器，外接FDC2214电容传感器采集手势信息进行自主学习，并识别出手势。电容式传感是一种低功耗、低成本且高分辨率的非接触式感测技术，传感器将配备使用镀铜极板；FDC2214采集多路数据融合计算以达到准确识别的效果，大大减少外界噪音以及其他干扰带来的影响，提高识别精准度；达到能训练识别并判决猜拳游戏以及划拳游戏的目标。通过测试，完成了基础和发挥所有题目要求。

利用HOG特征和SVM学习算法实现对不同手势的识别 其中对于张开的手识别率可高达90%以上 资源里本人的毕业论文，没有具体的代码，详细介绍了HOG算法和SVM算法，并给出了实现手势识别的具体操作，以及识别效果 请勿随意转载

TensorFlow手势识别