手势语言识别模型训练及应用

本项目基于卷积神经网络，通过Python的翻转功能沿垂直轴翻转每个图像，实现手势语言识别的功能。系统流程如图

本项目包括3个模块：设置直方图、载入手势图像、模型训练及保存。下面分别给出各模块的功能介绍及相关代码。

OpenCV-Python环境

安装OpenCV环境，输入命令：
pip install opencv_python-3.4.5-cp37-cp37m-win_amd64.whl
安装完毕。

使用训练集训练模型，使模型能够识别不同手势。

使用训练集训练模型，使模型能够识别不同手势。

系统测试

原VGG-16模型要求输入224×224×3的图片，限于GPU的计算能力，选择将28×28×1的数据集图片大小重置为56×56×1，由此计算出进入第一个全连接层的图像尺寸为7×7×256；最后一个全连接层输出值设为类别数量10。按设计好的参数定义模型结构，代码如下：

将数据代入模型进行测试，分类的标签与原始数据进行显示和对比，如图所示，可以得到验证：模型可以实现手势数字的识别。
测试准确率和召回率达到99%甚至更高，意味着这个预测模型训练比较成功，如图2
将数据代入模型进行测试，分类的标签与原始数据进行显示和对比，如图