摘要：在手势识别的应用中集成性和实时性极大地影响了用户体验。传统的人工特征提取不再满足图片及视频等的大数据识别任务，运用卷积神经网络的方法，基于树莓派的实现开发。通过采集手势图片，标注创建了训练、测试数据集。使用python进行代码的逻辑实现。利用tensorflow及其高级接口keras的神经网络框架，构建了基于yolov3的目标检测模型，利用该算法对目标手势图像数据集进行训练与识别，提高了手势特征提取网络算法的准确性与对手势目标位置信息的检出率。通过UDP协议进行对云端处理器的实时视频流传输，以获得延时性较低的手势识别系统，使得人们可以利用更加自然的手势表达来获得更加友好的人机交互环境。

关键词： 卷积神经网络；嵌入式；目标检测

目 录

摘 要

ABSTRACT

第一章 绪  论-7

1.1 课题研究的背景和意义-7

1.2 国内外研究现状-7

1.3 本论文研究的主要内容-8

1.4 章节结构与内容安排-9

第二章 算法研究与实现-10

2.1 卷积神经网络-10

2.2 残差网络-11

2.3 目标检测算法-12

2.3.1定义-12

2.3.2传统的目标检测方法-13

2.3.3深度学习目标检测方法-13

第三章 实现过程-16

3.1 传统的CNN算法实现过程-16

3.1.1 获取手势图片-16

3.1.2 图像处理-16

3.1.3 训练过程与结果分析-17

3.2 YOLOv3算法实现过程-18

3.2.1 获取手势图像-18

3.2.2 目标手势标注-19

3.2.3 训练过程与结果分析-21

3.3 基于树莓派的实现过程-24

3.3.1 环境概述-24

3.3.2 实现过程-25

3.3.3 结果分析-27

第四章 总结与展望-27

参考文献-28

致  谢-29

附  录-31