‹ 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
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。
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。
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。
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。