在手势识别研究过程中，人工选取特征难以适应手势的多变性。提出了一种结合肤色模型和卷积神经网络的手势识别方法，对采集的不同背景下的手势图像，首先用肤色高斯模型分割出手势区域，然后采用卷积神经网络建立手势的识别模型，该模型融合了手势特征提取和分类过程，模拟视觉传导和认知，有效避免了人工特征提取的主观性和局限性。识别模型以手势区域的灰度信息为输入，同时利用权值共享和池化等技术减少网络权值个数，降低了模型的复杂度。实验结果表明，卷积神经网络（CNN）方法能够有效进行特征学习，在不同数据集下对手势的平均识别率都达到95%以上，与传统方法进行对比实验，表明该方法具有较高的识别率和实时性。

Unity3d手势触摸插件 Fingers - Touch Gestures for Unity 2.9.3

Kinect 2.0与Azure Kinet的安装包 以及unity3d Sdk,内含表情识别,手势识别等实例

本项目为2018年全国大学生电子设计大赛题目，旨在利用STM32开发板和FDC2214传感器芯片，实现对既定手势的识别。采集FDC2214传感器的各手势数据并进行存储，采集完成后进行手势判决，将判决结果显示在LCD液晶屏上。

基于STM32的手势识别，程序是使用菜单结构写的，非常清楚，如果需要扩展加东西，也非常方便。

基于efficientnet训练的手势分类模型

手势下训练数据集，包含1-10的手势

手势分割中的特征匹配.rar

paddle为大家准备的数据集是0-9的手势，每个手势有200+张彩色图片，分辨率为100x100，一共2000+张图片

用程序模拟IIC协议，与手势识别模块进行通信，IIC模拟程序和手势识别驱动代码都已经打包整合成一个驱动程序（iic_drv.ko），安装好驱动后，用户程序只要打开设备文件，然后read就可以得到手势数据