手势数据集

该手势数据集为自建数据集，利用 OpenCV 软件库调用电脑内置摄像头拍摄采集手势数据，总共预定义了 10 种静态手势，如图所示，分别表示数字 0 到 9，在日常生活中较为常见，适合用于实际手势识别系统的应用需求。

自建数据集中共有 42660 张图片，其中训练集有 36080 张，测试集有 6580 张，以 256 阶灰度图格式存储，下图为手势 5 的 256 阶灰度图及像素数据示例。

256 阶灰度图能够提供更多的颜色深度和灰度级别，从而更好地反映图像中各个区域的差异，使用二值图像可能会存在特征提取的过于简单或者过度降噪的问题，从而导致模型的性能下降。因此，使用 256 阶灰度图像相较于二值图像有更强的信息表达能力，在训练和测试卷积神经网络时具有更多的优势。

该数据集是按照 mnist 数据集构建的，每张图片大小为 28*28，图片以csv格式存储，第一列为手势标签（0~9），后面 784 列为图片像素值，如下图所示。

后续利用 Python 读取数据并进行处理，通过卷积神经网络训练数据集，从而实现对 10 个手势的识别。卷积神经网络是一种监督学习算法，需要大量带有标签的数据来训练模型，帮助其学习更好的特征表示，以提高其对未知数据的预测能力。