提案使用CNN的智能手势识别

本文探讨了改善聋哑社区与公众之间沟通的重要目标。我们提出了一种手语翻译器的开发，该翻译器有效地将手势转换为文本，包括字母和数字，从而促进所传达信息的理解。我们的方法结合了由卷积神经网络（CNN）驱动的智能手势识别系统，并利用了包含44种独特手势（包括字母和数字）的综合数据集。所提模型在预处理输入图像方面发挥了关键作用，通过采用阈值机制消除噪声并增强图像的平滑度。为了确保感兴趣区域的准确性和连续性，我们实施了一种区域填充技术。TensorFlow作为我们基于CNN的Keras模型的后端，在收集的数据集上进行严格训练。训练阶段结束后，该模型经过严格测试以验证其性能。在成功测试后，用户可以表达他们的手势，系统将显示相应的文本表示，并同时转换为语音。这项开创性工作在桥接沟通鸿沟和促进我们社会的包容性方面做出了重要贡献。