基于计算机视觉的手势识别是新一代的人机交互手段，有着重要的理论研究 价值和应用前景。本文对手势图像的预处理、特征提取、手势的跟踪与识别进行 了研究，并在 Microsoft Visual C++ 6.0 环境下编程实现了对从摄像头输入的 10 个 常用手势的识别，并以此为基础建立了一个简单的手势交互系统，以验证算法的 可行性。实验结果表明，本文方法对目标手势的实时跟踪有较好的鲁棒性，且对 手势的识别取得了良好的效果。

一种快速手势识别算法的实现与验证

利用超声波技术，在智能手机上实现手势识别功能。非常实用的一篇论文徐曾春,吴凯娇,胡平:使用超声波的智能手机手势识别 ()挥手向前 ()挥手向后 ()挥手向左 ()挥手向右 图不同的手势时频图 特征均为先靠近发射源,然后远离发射源,但是细节方 面咯有不同。 实现细节 系统流程 获得反射的超声波数据集 图为系统流程图。首先,通过话筒获取 最初,系统先获得手势运动的时间序列片段,此时 段时间序列,经过快速傅里叶()变换将此序列从时片段已经经过处理,结果如图所示。出于本实验 域信号转换为频域信号。接着搜

针对大型深度学习项目所需计算量大、调整算法工作复杂的问题。本文提出了一种基于容器云的深度学习平台设计方案。该方案主要采用Kubernetes容器云平台动态管理集群资源，实现计算资源的快速扩容。部署GlusterFS分布式文件系统提高深度学习模型、数据与日志文件的读取速率。同时利用Prometheus框架丰富容器云集群的监控指标，保证深度学习模型的训练效果。系统设计完成后，通过手势识别项目验证了平台的有效性。试验结果表明，基于容器云的深度学习平台比传统的分布式深度学习系统自动化程度更高、可用性更强