支持自动化手势识别功能的Unity手势识别插件AutoHand-v4.0.0-ITADN社区

优质

SVM手势识别项目利用支持向量机(SVM)算法进行图像和雷达数据处理，实现精准的手势识别功能。适用于多种应用场景的数据分析与模式识别需求。通过雷达采集手势数据并生成手势图像，然后使用SVM进行识别。

基于MATLAB的手势识别资源包_RAR_MATLAB手势_手势识别MATLAB_手势识别器_石头剪刀布_简易手势识别

优质

本资源包提供了一个基于MATLAB的简易手势识别系统，支持包括石头、剪刀、布在内的基础手势识别。通过该工具，用户可快速上手并开发更复杂的手势控制应用。基于MATLAB的简单手势识别系统能够识别剪刀、石头、布的手势。

Python手势识别

优质

Python手势识别是利用Python编程语言开发的手势识别系统，通过分析手部运动数据实现对不同手势的精准辨识与响应。使用TensorFlow、OpenCV Keras 和 Matplotlib 完成的一个小示例的基本操作如下： 1. 执行 `liveplot.py` 2. 执行 `trackgesture.py` 后，在终端命令行输入 1 进行手势预测，调用摄像头后，请按键盘 b 和 g 键开始进行预测。权重文件可以通过提供的链接获取。

STM32手势识别

优质

STM32手势识别技术利用先进的传感器和算法，在基于STM32微控制器的平台上实现对用户的手势进行精准检测与响应，广泛应用于智能家居、人机交互等领域。 2018年电子设计大赛（TI杯）D题手势识别项目已全功能完成。该项目基于STM32F103单片机系统，实现了对猜拳游戏和划拳游戏中手势的检测与识别装置。通过使用TI公司提供的FDC2214电容传感器芯片来测量测试区域内的电容值。

C++ 手势识别

优质

C++手势识别项目致力于开发高效的手势识别算法和系统，通过C++编程语言实现对用户手势的精准捕捉与解析，为智能交互提供技术支持。使用C++编写手势识别程序，采用2D模型123456998774。

手势识别：用OpenCV和Python辨识“手势”

优质

本教程介绍如何利用OpenCV与Python进行手势识别技术的学习和实践，帮助读者掌握基本的手势检测方法。使用Python进行手势识别的代码基于MediaPipe手部关键点检测库来实现数字手势的识别功能。该程序包含以下步骤： 1. 使用MediaPipe库实时检测手部21个关键点； 2. 根据每个手指的关键点坐标计算五根手指的角度； 3. 通过分析这些角度信息，可以判断出0到9之间的特定手势； 4. 在调试过程中可以看到每根手指的具体角度值，并可以根据实际情况定义新的识别规则。此外，代码中包含详细的注释说明。

kNN.zip_0-9手势_40_knn识别_python决策树_手势识别

优质

本项目利用Python实现基于K近邻算法的手势识别系统，使用了0至9的手势图像数据集进行训练与测试，并对比分析了决策树方法的效果。寻找手势识别的源代码以实现手写0-9数字的识别功能，并确保能够在40秒内完成任务。需要下载训练集（training）和测试集（test）。

是否确定退出登录?

支持自动化手势识别功能的Unity手势识别插件AutoHand-v4.0.0

全部评论 (0)