本课程通过Python和OpenCV库深入讲解数字图像处理技术与手势数字识别方法，适合希望掌握计算机视觉基础的学生和技术爱好者。
手势识别是计算机视觉领域的一个重要研究课题，在深度神经网络兴起之前就已受到广泛的关注。然而，早期使用的传统算法较为复杂，并且针对不同目标的手势变化需要调整相应的算法。
在本次作业中，我使用传统的技术实现了对手势数字0到5的识别功能。这一方法不仅适用于静态图像，还能实现在视频流中的实时手势识别。近年来，随着深度神经网络的应用越来越广泛，在计算机视觉领域尤为突出。这类模型的一大优势在于不需要人工设计特征提取算法，并且具有良好的普适性以适应不同种类的手势。
因此，我还训练了一个卷积神经网络来进行同样的任务。该项目的传统方法使用了Python的OpenCV库进行实现，而深度学习部分则基于Python的TensorFlow框架完成。
5星
