基于深度学习的手语识别 王建年605627507 执行摘要 计算机视觉具有许多有趣的应用程序，从工业应用程序到社交应用程序。 它也已被应用在对残障人士的许多支持中。 对于聋哑人来说，计算机视觉可以根据手语符号生成英文字母。 我们的团队旨在设计基于摄像头的手语识别系统。 通过将摄像头放置在固定位置，用户可以在摄像头前执行手势，然后系统将使用卷积神经网络（CNN）对手势语符号进行分类。 成功训练CNN模型后，将预测手语符号的相应字母。 产品 大部分工作是安装工具，从摄像机收集数据，通过Tensorflow CNN模型进行数据处理和数据分析。 对于硬件，我们使用了Arduino nano 33 ble sense和Arducam Mini 2MP Plus摄像头模块，这些模块可以由Arduino板的电源供电。 对于软件，我们专注于使用Python / Tensoflow进行编码以构建卷积神经网络

手语识别 该原型为聋人“理解”手语 包括所有代码以准备数据（例如，从ChaLearn数据集中获取数据），提取特征，训练神经网络以及在实时演示过程中预测信号 基于深度学习技术，尤其是卷积神经网络（包括最新的3D模型）和递归神经网络（LSTM） 使用Python，Keras + Tensorflow和OpenCV构建（用于视频捕获和处理） 有关10幻灯片的演示文稿+ 1分钟的演示视频，请参见。 要求 此代码至少需要 python 3.6.5 张量流1.8.0 keras 2.2.0 OpenCVPython的3.4.1.15 为了训练神经网络，需要使用GPU（例如aws p2.xlarge）。 实时演示可在普通笔记本电脑（不带GPU）上运行，例如MacBook Pro，i5、8GB。 获取视频数据 请参阅此处，以获取适合聋人手势语言的合适数据集的概述： : 在此处下载ChaL

中国手语信息处理述评

手语计算３０年：回顾与展望

论中国手语的分类词谓语

一个基于人体姿态研究的手语图像识别系统。根据OpenPose人体姿态开源模型和YOLOv3自训练手部模型检测视频和图像，再把数字特征进行分类器模型预测，将预测结果以文本形式展现出来。

介绍一款便携式智能化手语实时翻译系统。利用Flex2.2弯曲传感器、MPU-6050六轴传感器采集手势特征信息，传送至STM32微处理器，经算法处理，判断当前的手语信息，并通过语音合成模块和OLED显示屏对手语信息进行实时的语音翻译和文本显示。手语信息经蓝牙传输至用户智能手机，APP可将其编辑为短信息。采用人性化、个性化的手套外观设计，具有处理速度快、识别率高、适应能力强、操作简单等特点，应用前景广阔。

手语培训的材料 PPT 包括数字手语、文化教育、体育卫生、家庭生活、衣食言行、动词虚词、气象地理、事物特性、时间方向、动物植物等各个方面 内容齐全 每一页都配有插图 每一个小节有系统练习 是你学习手语的好帮手

一种用于手语识别的中国手语分类方法，对进行手语翻译开发非常有帮助。