1. 毕业设计（论文）的内容和要求

本课题基于深度学习算法，设计一种手势识别系统，能够较好的适应复杂背景下的手势识别。

系统总体分为下位机和上位机两部分，通过tcp/ip协议传输视频图像信息。

每部分要实现的功能为： 下位机部分： 以dsp芯片hi3516c为主控芯片，主要负责视频图像数据的采集、预处理、压缩、加密、运动目标检测、与上位机通信。

2. 参考文献

[1] 李文生，解梅，邓春健，姚琼. 基于Hermite神经网络的动态手势学习和识别[J]. 计算机工程与科学,2012,34(2)：116-122. [2] 李文生，解梅，邓春健. 基于机器视觉的动态多点手势识别方法[j]. 计算机工程与设计,2012,33(5)：1988-1992. [3] 李鸣，张鸿. 基于卷积神经网络迭代优化的图像分类算法[J]. 计算机工程与设计,2017,38(1)：198-202. [4] 范泽. 复杂背景下基于深度学习的并行手势识别系统[D]. 西安：西安电子科技大学,2014. [5] 曹雏清，李瑞峰，赵立军. 基于深度图像技术的手势识别方法[J]. 计算机工程,2012,38(8)：16-19. [6] 吴杰. 基于深度学习的手势识别研究[D]. 成都：电子科技大学,2015. [7] 洪汉梯. 基于深度学习和稀疏表示的手势识别研究[D]. 西安：西安电子科技大学,2014. [8] 郑海彬. 手势识别及其应用研究[D]. 南京：南京航空航天大学，2016. [9] 吴彩芳，谢钧，周开店. 基于手势识别的人机交互技术研究[J]. 计算机时代,2016,(2)：29-33. [10] 孙　靖，艾矫燕. 基于视觉的实时手势识别及其在演示控制中的应用[J]. 计算技术与自动化,2013,32(3)：52-59. [11] 孙凯，严潇然，谢荣平. 基于手势识别的智能家居人机交互系统设计[J]. 东南大学学报,2013,(1)：54-56. [12] 赵健，张冬泉. 基于OpenCV 的数字手势识别算法[J]. 计算机应用,2013,S2：1-4. [13] 宁亚楠，杨晓文，韩 燮. 基于Leap Motion 和Unity3D 的虚拟沙画手势识别及交互[J]. 计算机工程, 2016,1-5. [14] 谭同德，郭志敏. 基于双目视觉的人手定位与手势识别系统研究[J]. 计算机工程与设计,2012,33(1)：259-264. [15] 杨宇. 基于深度学习特征的图像推荐系统[D]. 成都：电子科技大学,2015. [16] 叶睿. 基于深度学习的人脸检测方法研究[D]. 哈尔滨：哈尔滨工业大学，2014. [17] 王天明. 基于头戴式摄像头的手势识别技术研究与应用[D]. 南京：东南大学,2016. [18] 张建华. 基于深度学习的语音识别应用研究[D]. 北京：北京邮电大学,2015. [19] 丁乐乐. 基于深度学习和强化学习的车辆定位与识别[D]. 成都：电子科技大学,2016. [20] Y.Han. A Low-Cost Visual Motion Data Glove as an Input Device to Interpret Human Hand Gestures [J]. IEEE Transactions on Consumer Electronics,2010,56(2):501-509.

3. 毕业设计（论文）进程安排

2016-12-01～2016-12-31 选题、搜集资料 2017-01-01～2017-03-13 整理资料、确定方案 完成开题报告 开题报告 完成翻译 2017-03-14～2017-04-03 总体方案设计及硬件设计 2017-04-04～2017-04-24 系统软件设计 中期检查 2017-04-25～ 2017-05-08 软件编程及功能实现 2017-05-09～2017-05-29 整个系统调试，撰写论文 初稿在5.25完成 2017-05-30～2017-06-10 修改论文，准备PPT，答辩