摘要：本次实验中的代码基于python，用pytorch识别手势所代表的数字。首先利用opencv打开摄像头采集分辨率为64*48的手势灰度图像，接着使用pytorch建立卷积神经网络来对图片进行训练，得到训练模型，最后调用模型，用opencv打开摄像头实时采集人的手势照片，最后在pycharm终端显示检测结果。
github代码地址：https://github.com/1240117300/pytorch-opencv-Gesture-Recognition
一、方法和材料：
1.首先撰写用于采集手势训练集的opencv代码，如下图所示。代码中按下s键对图片进行保存，保存地址为与项目相同根目录下
得到数据集，如下图所示，这里的数据集为作者本人的手势照片，只是为了验证算法的逻辑性和合理性，因此采集的数据集比较少。理论上，后期想要得到比较完美的训练模型，需要大量的训练模型。
2.导入数据集，转换图片格式为Tensor,并建立卷积神经网络对数据集进行训练。本次实验中，我建立了三层网络（如下图所示），建立神经网络后，开始训练模型，之后将模型保存
3.导入模型，打开摄像头采集实时手势照片，并在终端显示检测结果。检测结果如下图所示。左边为检测到的数字，右边的图像为展示的手势
总结：还是要好好学习一下卷积神经网络的理论知识，这样才能知道如何调参数，以达到更好的训练模型
原创文章 14
获赞 7
访问量 3万+