‹ 全部项目

实时视觉

基于 MediaPipe 与机器学习的实时手势识别系统

面向复杂场景下的实时人机交互需求,端到端的实时手势识别系统。

时间
2025.10 – 2026.11
技术栈
  • Python
  • MediaPipe
  • OpenCV
  • scikit-learn
01 / 04问题
  1. 01 · 问题

    无接触的人机交互。

    面向复杂场景下的实时人机交互需求,设计并实现端到端手势识别系统。

  2. 02 · 特征

    21 个关键点,归一化。

    利用 MediaPipe 提取手部关键点,并进行位置与尺度归一化,让分类器关注手形本身,而不是手在画面中的位置和大小。

  3. 03 · 模型

    三种分类器,其中一个从零实现。

    对比逻辑回归、决策树及从零实现的 kNN 分类器。

  4. 04 · 鲁棒性

    适应弱光与噪声。

    通过自适应 gamma 校正与中值滤波,提升低光及噪声场景下的手部检测效果;端到端测试准确率达 93.8%。

关键结果

93.8%

端到端测试准确率。