在日常生活中，手勢蘊含著豐富而復雜的信息，因此，手勢識別作為實現人機交互（HMI）的一種重要方式，具有廣泛的應用前景和學術價值。

該智能手套具有良好的適配性、舒適性和輕便性。在機器學習策略的啟發下，一個定制的人工神經網絡可以很好地對多個對象和手勢進行分類和執行。建立了不同手語手勢和物體抓取手勢的多個數據集，結果表明，該智能系統的平均準確率可達 97%，對一些手勢組的準確率可達 99.4%。此外，該系統還連接了一只機器手，它能夠對人手的動作做出反應，做出某些手勢，從而實現簡單的手勢交流。這些特點為人機界面中的手勢識別提供了可行的實際應用方案。

綜上所述，演示了一種基于機器學習的智能系統，用于高分辨率手勢識別和手語交流?；诮z網印刷方法研制成功的CNT-石墨烯/PDMS應變傳感器。制造的應變傳感器可以舒適地連接到手套上，以獲取有關手指動作和手勢的信息。通過使人工神經網絡能夠訓練和區分從不同手勢獲得的信號，該傳感器系統對10個數字手勢、15個中文手勢、10個ASL手勢和8個物體的識別準確率分別達到98.6%、96.1%、98.0%和96.7%。此外，該智能系統還應用于通過無線單元使用手勢對機器人手進行通信和控制。由于絲網印刷工藝成本低、結構簡單、算法計算資源可接受等優點，本研究所展示的智能系統為手勢識別和標志通信應用，特別是多場景和多功能HMI應用提供了一種有前途的策略。

來源：傳感器專家網