机器学习笔记 - 两个静态手势识别的简单示例

一、关于手势识别

        手势识别方法通常分为两类：静态或动态。

        静态手势是那些只需要在分类器的输入处处理单个图像的手势，这种方法的优点是计算成本较低。动态手势需要处理图像序列和更复杂的手势识别方法。

        进一步了解可以参考下面链接。

静态手势识别和动态手势识别的区别和技术路线简介-CSDN博客为了实现完全沉浸式的 AR 应用，系统的输出（例如可视化）以及系统的输入必须适应用户的现实。计算的发展和新技术的易用性推动了 Kinect 和 Leap Motion 等设备的发展，它们是输入设备技术创新的例子。由于动态手势数据通常以视频形式呈现，二维卷积神经网络（CNN）很难提取足够的特征信息，这促使研究人员探索新的CNN 3D网络模型，解决了同时保留时间和空间特征的问题，动态手势识别问题被深度学习方法广泛解决。静态手势是那些只需要在分类器的输入处处理单个图像的手势，这种方法的优点是计算成本较低。https://skydance.blog.csdn.net/article/details/133032428        下面先简单介绍两种静态手势识别的方法，后面有时间再研究一些动态的手势识别方