近年来，手势识别的问题是由于难以利用多种计算方法和设备来感知人的手部运动。因此，在本文中，我们解释了不同的算法来解释手势识别算法，因为它具有得到了很多关注。 我们可以使用手势在不触摸计算机屏幕的情况下与计算机进行交互，可以向计算机提供指令，因此在本文中，我们将介绍使用Kinect进行手势手势检测的方法。 我们正在使用手势识别的动态时间扭曲方法。 我们解释了一种有效的手势识别方法。 我们还使用了简单的K-NN分类器。 在这种方法中，我们使用了DTW（动态时间包装）对齐方式。 我们使用不同的算法和方法来解释有关手势手势识别结果的信息。 我们使用MPLCS算法来识别自由空中的手势并给出良好的结果，之后，我们还使用了MCC计算，该计算确定了重大运动的开始和结束目的，并忽略了未使用的信号。 因此，通过使用此算法，我们给出的手势重组结果要好于以前的所有结果。

感觉很多人要vc下的dtw算法 其实实现很简单 跟matlab是一样的 这段代码一个dtw函数 参数为对比的两帧数据和帧数目

使用 Kinect2 的 SignLanguageTranslator 使用 DTW 的 SignLangaugeTranslator 此应用程序将手语手势翻译成文本。 手语手势本质上是复杂的，该程序用于使用 DTW 算法查找手语手势的准确性。 此应用程序是使用 Kinect SDK 2.0 的离散手势基础知识和参考 Kinect SDK 动态时间扭曲 (DTW) 手势识别构建的。 要使用此应用程序执行手势，首先应站在静止位置以开始和结束手势。 识别出的手势基于 DTW 成本矩阵中的最低成本。 这种方法适用于小型手势数据集。 然而，对于大数据集来说这是不现实的。 此应用程序中使用的数据集由来自巴伐利亚的手语教师提供。 应用程序使用了 11 个 DGS 手势。

使用matlab编程语言，实现dtw算法，已经经过测试。

DTW算法,非常优秀，非常好用的-DTW, very good, very useful, and,

可是实现将声音规整到指定帧数。通过计算帧之间的距离，按权重合并距离最近的两帧，然后重复，直到合并到指定帧数。

MATLAB程序DTW，MFCC数字语音识别，可以直接运行，有语音库，若有需要或者问题请联系

Julia 中的动态时间规整 (DTW) 和相关算法

基于语音信息的MFCC_dtw算法的语音特征分类系统 在语音识别（SpeechRecognition）和话者识别（SpeakerRecognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scaleFrequency Cepstral Coefficients，简称MFCC）

基于DTW的语音识别python系统搭建，详细教程见专栏