1. 本选题研究的目的及意义

手势识别作为人机交互领域的重要研究方向，近年来受到学术界和工业界的广泛关注。

它旨在使计算机能够理解和解释人类手势，从而实现更加自然、直观的人机交互体验。

2. 本选题国内外研究状况综述

近年来，深度学习的出现为手势识别技术带来了突破性的进展，成为国内外研究的热点。

1. 国内研究现状

国内学者在手势识别领域取得了一定的研究成果，特别是在基于深度学习的手势识别方面。

3. 本选题研究的主要内容及写作提纲

1. 主要内容

1.研究手势识别的相关背景、意义以及国内外研究现状，分析现有手势识别方法的优缺点。

2.研究和比较不同深度学习模型（如cnn、rnn、lstm、transformer等）在手势识别任务上的性能。

4. 研究的方法与步骤

本研究将采用理论研究和实验研究相结合的方法，并按照以下步骤逐步进行：
1.文献调研:对国内外手势识别、深度学习等相关领域的文献进行全面系统的调研，了解手势识别的发展历史、研究现状、主要方法和技术路线，以及深度学习在手势识别中的应用情况，为本研究提供理论基础和技术参考。

2.数据集选择与分析:选择合适的手势识别数据集，对数据集进行分析和预处理，包括数据清洗、特征提取、数据增强等，为后续模型训练和测试做好准备。

3.深度学习模型构建:选择合适的深度学习模型，根据手势识别的特点进行模型结构设计和参数调整，构建基于深度学习的手势识别模型。

5. 研究的创新点

本研究的创新点主要体现在以下几个方面：1.基于多源数据的深度学习模型融合:针对单一传感器数据易受环境干扰的问题，本研究将探索利用多源数据（如rgb图像、深度图像、骨骼数据等）进行手势识别，并研究如何将不同数据源的信息有效融合到深度学习模型中，以提高模型的鲁棒性和识别精度。

2.轻量级手势识别模型设计:针对现有深度学习模型计算量大、难以部署到移动设备的问题，本研究将探索设计轻量级的手势识别模型，在保证识别精度的同时，降低模型的计算复杂度，使其能够运行在算力受限的设备上。

3.面向特定应用场景的手势识别:本研究将探索针对特定应用场景（如虚拟现实、智能家居、辅助技术等）的手势识别方法，根据具体应用需求设计手势识别系统，并进行针对性的优化，以提高系统的实用性和用户体验。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

1. 刘洋,徐华.基于深度学习的手势识别研究进展[j].计算机应用研究,2022,39(02):337-344.

2. 谭台哲,李冠章,胡洋,陈益.基于深度学习的手势识别技术综述[j].智能系统学报,2022,17(01):1-14.

3. 王瑞,田国会,刘文爽,张洁.基于深度学习的动态手势识别研究综述[j].计算机科学,2021,48(04):10-23.