毕业设计——基于深度学习的手势识别以及手势交互功能（TensorFlow）（YOLO）

前言

今天，向大家介绍基于深度学习的手势识别以及手势交互功能的实现。首先实现对于手势的识别，并通过识别的结果实现人机交互功能。
大家可用于毕业设计，课程设计等。

如有技术问题，欢迎私信询问！
提供毕设、课设等指导！

1、背景介绍

由于手势交互的自然与便利，在众多领域均可进行应用。在智能交通领域，手势识别能够实现驾驶员与车载电脑的快速交互，并且近年来自动驾驶技术迎来了突飞猛进的发展，加入对交警手势的识别将进一步完善现有的自动驾驶技术。在智能家居领域，手势识别将可以与语音控制成为一对互补的交互方式，实现智能家居更加自然的控制。在手语识别领域，通过移动端设备就可以检测并识别出聋哑人手语含义，对于解决聋哑人交流困难等问题具有革命性的意义。

2、项目简介

手势识别在深度学习项目中是比较简单的。本设计是基于YOLOv4模型，使用自制数据集进行训练，得到了一个可靠地手势识别模型。并使用pyqt5开发了GUI程序界面，实现了手势交互功能，如多媒体控制等。

3、环境配置

配置介绍

1. 系统：Windows 10
2. 显卡：NVIDIA GTX 1080Ti

版本

1. cuda 10
2. cudnn 10
3. tensorflow-gpu 1.13.2
4. python 3.6.5
5. opencv-python
6. pillow
7. matplotlib
   ···
   环境配置是所有工作的第一步，这里建议使用anaconda创建一个全新的虚拟环境，并完成相关的环境配置工作，由于篇幅有限且有很多相关文章，在此不再赘述。若有问题，也可私聊解决。

4、模型实现

数据集制作

本设计所需数据集采用VOC2007数据格式，制作包括三个部分，即采集、筛选、打标。
其中采集使用电脑摄像头，自写程序，每5帧保存一次，自己使用时可以修改，即可快速完成采集。代码如下：

import cv2 as cv
import numpy as np

capture = cv.