APDS-9960接近检测和非接触 RGB和手势检测模块软硬技术资料

用opencv2.3.1做的静态手势检测。先滤波去噪-->转换到HSV空间-->根据皮肤在HSV空间的分布做出阈值判断，这里用到了inRange函数，然后进行一下形态学的操作，去除噪声干扰，是手的边界更加清晰平滑-->得到的2值图像后用findContours找出手的轮廓，去除伪轮廓后，再用convexHull函数得到凸包络。

基于opencv的模板匹配方式手势检测，供初学者使用学习。

针对手脸遮挡条件下的手语视频手势检测问题,提出一种基于力场(force field)转换的手势检测算法。首先分别计算手脸遮挡帧和纯脸部帧的力场图像,然后将力场图像分块并统计各分块直方图特征,再将相同空间位置的分块直方图对应相减,得到各分块直方图灰度分量差,最后将各分块直方图灰度分量差与灰度阈值进行比较获得手部位置。实验证明该算法能够实时进行手脸遮挡条件下的手势检测。

在这里，我们使用PIR传感器和Arduino来检测手的运动。该检测可用于操作电子设备。 硬件组件: Arduino Nano R3× 1 TPA81 Devantech 8像素热阵列传感器× 1 HC-SR505红外PIR运动传感器× 8 0.96英寸SPI 128X64 OLED显示模块× 1 面包板（通用）× 1 公/母跳线× 1 Arduino Uno Rev3× 1 软件应用程序和在线服务: Arduino IDE 在附件中，我们将向您展示如何通过PIR传感器和Arduino Nano等简单组件制作手势探测器。

手势张量流 使用Tensorflow对象检测和Python进行实时手语检测 :snake: 安装 该项目需要 ， 和Tensorflow对象检测软件包才能正常运行。 您可以使用pip直接安装前两个（如果愿意，也可以使用conda ）： $ pip install tensorflow $ pip install opencv-python 要安装最后一个 ，您需要按照突出显示的链接中的教程进行操作。 它逐步介绍了设置软件包以及Tensorflow-GPU的过程，以便在运行时获得很多性能（强烈建议）。 此外，您需要从下载TensorFlow的预 $ cd Tensorflow $ git clone https://github.com/tensorflow/models 之后，您需要将模型配置（ pipeline.config ）从预先训练的文件夹（ ssd_mobilenet_v2_fp

基于计算机视觉的手势检测识别技术_关然.pdf

代码为博客的实例代码：http://blog.csdn.net/lmj623565791/article/details/39480503 有问题请博客留言

基于OpenCV 动态 手势检测识别 方法的 研究

基于OpenCV，通过电脑自带摄像头采集图像，进行手势检测。先滤波去噪，再根据皮肤在HSV空间的分布做出阈值判断。然后进行一下形态学的操作，去除噪声干扰，得到的2值图像后用findContours找出手的轮廓，去除伪轮廓后，再用convexHull函数得到凸包络。本程序主要是参考大神yang xian的手势检测，在此表示感谢。