基于Tensorflow 深度学习的手势识别，人机交互

Android studio 亲测可用的创建手势库的工具，创建的手势库保存在SD卡根目录下

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

TensorFlow手势识别

基于STM32的手势识别程序

Myo_gestureArmBand_experiments 通过实施scikit-learn机器学习模型，使用Myo Armband进行自定义手势识别。 该项目正在使用Niklas Rosenstein在提供的Myo SDK的Python绑定。 给他的仓库一个星星。 一旦按照Niklas的指示安装了绑定，请尝试看看是否可以运行他的示例python脚本之一（在./examples/目录中）。 如果Niklas的示例不起作用，则说明绑定本身做错了什么。 您必须首先弄清楚。 如果成功，那么可以尝试运行我在此处编写的newRunScript.py脚本。 如果Niklas的示例正常工作，而我

已被商店移除的插件 直接汇入是错误的 请勿直接使用 可以查看代码做修改学习使用

Android手势处理库android-gesture-detectors使用，参考文章https://blog.csdn.net/Cupster/article/details/113352077

手势识别总结文档，本科时个人所作设计产生。提供了一中实现静态手势识别的方案，包括轮廓信息的描述和不同分类器的应用、两种数据库。

基于python+opencv实现初步手势识别,经过本人亲测代码,能够实现基本的手势识别 但是对于背景要求光线等等有着一定要求,各位大佬们可以在这基础上加以改进,手势识别的原理在凸凹包点上下功夫.