1. 毕业设计（论文）主要内容：

手势识别分为静态手势识别与动态手势识别，静态手势也称为手型识别，是指在获取信息输入后，通过卷积神经网络技术识别静态手势，比如握拳或者五指张开。但此技术只能识别预先设定好的状态，控制感弱，人机交互能力差。而动态手势识别得益于更先进的计算机视觉算法，不仅可以识别手型，还可以追踪手势运动，已经成为了人机交互领域的研究重点与热点。动态手势识别可大致分为两个过程，第一个过程为基于图像特征（轮廓，边缘等）的手势分割，第二个过程为基于卷积神经网络的手势识别。本课题拟设计一种基于卷积神经网络的算法，用于识别动态手势。基于Tensorflow平台搭建动态手势识别模型，并利用ChaLearn Gesture Data (CGD)手势数据集测试识别精度与识别速度。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。

（2）完成开题报告及任务书。

（3）设计并实现基于图像特征的手势分割算法。设计并实现基于卷积神经网络的手势识别模型，并在cgd数据集上测试识别精度与速度。

3. 毕业设计（论文）完成任务的计划与安排

（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。

（3）第7－9周：设计并实现基于图像特征的手势分割算法。

4. 主要参考文献

[1] x. zhou, q. wan, w. zhang, x. xue and y. wei. model-based deep hand pose estimation. cvpr arxiv:1606.06854, 2016.

[2] c. zimmermann, t. brox. learning to estimate 3d hand pose from single rgb images. iccv arxiv:1705.01389, 2017.

[3] 吴晓风, 张江鑫, 徐欣晨. 基于faster r-cnn的手势识别算法[j]. 计算机辅助设计与图形学学报, 2018, 30(3):468-476.