在本文中，已经尝试设计手语识别系统。 设计了一种智能手套，可以通过将手语转换为语音或可理解的语言来使聋哑人与其他人之间的通信自动化。 感官手套可提供人手形状或动作的数据，并将其翻译为文本和语音。 它包括用于转换传感器数据的硬件和软件。 这是一种可穿戴设备，可以放在人的手上，并将手的手势逐字母转换为符号，然后将数据发送到Firebase中进行进一步处理。 该手套配备有挠曲传感器和惯性测量单元，可通过监视手指空间和三维空间中的手势来识别运动，该三维空间以手指弯曲和拳头倾斜的形式感测人的手势。 霍尔传感器已用于处理和收集数据，以进行培训和模型开发。 分析使用了三种不同的机器学习算法，即支持向量机，朴素贝叶斯，决策树。 已经观察到，支持向量机具有最高的精度，即90％。 分析之后，数据已发送到语音转换功能，然后产生了可听见的结果。

美国手语数据集：包含A到Z字母的手语，适用于目标检测

这是一个印度手语数据集。 Indian Sign Language Dataset_datasets.txt Indian Sign Language Dataset_datasets.zip

MNIST签名 我开发了一种卷积神经网络模型，用于识别字母，该模型由24个美国手语（ASL）字母组成（不包括需要运动的字母）。 该CNN使用4个卷积层，4个池化层和2个完全连接的层来将ASL中的输入图像准确分类为相关字母。 该模型在25个时期内可达到99.986％的精度，在15个时期内可实现始终如一的精确度> 99％，且运行时间少于10分钟。 该模型是在Kaggle中构建的，可轻松导入和操作数据集，原始脚本以及执行输出可在 查看。 在此项目中实施的图书馆： 凯拉斯 TensorFlow 脾气暴躁的 大熊猫

手语识别涉及计算机视觉、模式识别、人机交互等领域，具有重要的研究意义与应用价值。深度学习技术的蓬勃发展为更加精准、实时的手语识别带来了新的机遇。本文综述了近年来基于深度学习的手语识别技术，从孤立词与连续语句两个分支展开详细的算法阐述与分析。

行业分类-物理装置-基于肌电信号和手指关节形变信号的手语识别系统及方法.zip

在MATLAB平台上，从手势特征（Hu矩、傅里叶描述子）的提取量化到采用BP神经网络，贝叶斯分类器的识别，最后到融合特征的优化。N久之后由于有同学需要这篇博客里的这份代码，文件写了说明，方便查看。https://blog.csdn.net/XYY_CN/article/details/100013518

手语大全，图片放在一个文件夹里，手语描述放在ACCESS数据表里。

特种部队在解救人质的过程中，除了高科技通讯之外，是怎么样通过手语来进行沟通完成任务的。这组手语最先是由德国第九国防军（GSG-9）创造，后被世界各国特种部队广泛采纳使用。包括数字、命令等手语。

有文字配合插图，很容易看懂，也很好学！找了很久才找到，需要的就下吧！