AnyHand是编写一个视觉工具箱时的副产品，将其中的手势识别部分抽取出来做成了这个简单的手势识别库。通过手势与计算机交互是计算机视觉交互的一个重要领域，这个库可以帮助具有一定编程能力，但没有计算机视觉背景的开发者快速地生成一个手势交互系统。其中提供的API可以被用于图形用户界面应用程序。只需要选取一个合适的手势模板，无需大量的模板训练就可就可以进行手势识别。识别过程中将会实时返回您需要的手势名称、手势位置以及手势包围盒等信息，方便应用系统的调用。 在应用前请先仔细阅读系统的《安装与配置文档》、《应用文档》和《API描述文档》。

2018电子设计大赛（TI杯）D题手势识别 全功能完成。基于STM32F103单片机系统，实现对猜拳游戏和划拳游戏的判决的收拾识别装置。利用TI公司FDC2214电容传感器芯片对测试区的电容值进行测量。

关于代码的介绍可以参考https://blog.csdn.net/qq_41562704/article/details/88975569，代码基于Win10 + Python3.7环境，对采集的图片进行了图像平滑，基于OTSU阈值的肤色分割，基于八邻域搜索法进行轮廓检测操作，最终完成了手势图片从采集到轮廓曲线的提取过程，对已得到的轮廓曲线提取其傅里叶描述子和椭圆傅里叶描述子，并分别进行了归一化处理。用KNN和SVM两种算法训练模型，以自己采集数据集为训练集进行了训练，最后基于PyQt5制作了简易界面。

本作品是参加2018年省电子电路设计大赛时做的，我们用了2个FDC2214模块，一个模块4个通道，我们一共只用了5个，5根手指嘛！平台的搭建很简单，在一块木板上FDC模块接着5个传导片，然后在木板上1cm处用螺柱固定一块亚克力板，五个传导片分别与亚克力板构成了5个小电容，手放在亚克力板上，相应的通道返回的数字量会发生变化（直接数字量发送给单片机，具体操作看FDC的手册即可，或者别的FDC模块小程序，这里的程序是一个大工程，用户可以以此为模板进行修改）。另外我们用正点原子mini-stm32开发板的LCD做了用户界面，读者可仔细观看程序，至于程序中个别地方注释不够详细的地方，忘读者见谅，只要认真看，其实不会有大问题的。本题是江苏省2018年电赛信号题目手势识别，4问对应程序里4个task函数，读者结合题目要求阅读程序，从模块化角度是很容易理解的。希望对正在煎熬的大家有所帮助!

2018电赛 手势识别，使用MSP430F5529单片机，oled显示器，拥有图形用户界面，分级菜单，实现电赛全部要求

手势交互控制小车运动，轨迹模拟。包含指导文件和代码。

使用tensorflow，OpenCV Keras,matplotlib完成的一个小demo 基本操作如下 1 执行liveplot.py 2 执行trackgesture.py后， 在终端命令行输入1进行手势预测，调用摄像头后，请按键盘b 和g键 此时就可以进行预测了。 权重文件：链接:https://pan.baidu.com/s/1i6OE5A9 密码:by24

采用的是FDC2214读取原始值计算为电容值的方式识别手势数据，LCD屏显示，显示界面和输入界面以写好，可直接使用。带有一个人机猜拳的小程序。

基于Opencv凸包检测的手势识别，使用训练好的XML文件，可以识别0，1，2，3，4，5，6，8等手势。

主要使用了OpenCV的视频采集, 图像色域转换, 颜色通道分割, 高斯滤波, OSTU自动阈值, 凸点检测, 边缘检测, 余弦定理计算手势等功能，实现手势识别与控制