在日常生活中，手势蕴含着丰富而复杂的信息，因此，手势识别作为实现人机交互（HMI）的一种重要方式，具有广泛的应用前景和学术价值。

该智能手套具有良好的适配性、舒适性和轻便性。在机器学习策略的启发下，一个定制的人工神经网络可以很好地对多个对象和手势进行分类和执行。建立了不同手语手势和物体抓取手势的多个数据集，结果表明，该智能系统的平均准确率可达 97%，对一些手势组的准确率最高可达 99.4%。此外，该系统还连接了一只机器手，它能够对人手的动作做出反应，做出某些手势，从而实现简单的手势交流。这些特点为人机界面中的手势识别提供了可行的实际应用方案。

综上所述，演示了一种基于机器学习的智能系统，用于高分辨率手势识别和手语交流。基于丝网印刷方法研制成功的CNT-石墨烯/PDMS应变传感器。制造的应变传感器可以舒适地连接到手套上，以获取有关手指动作和手势的信息。通过使人工神经网络能够训练和区分从不同手势获得的信号，该传感器系统对10个数字手势、15个中文手势、10个ASL手势和8个物体的识别准确率分别达到98.6%、96.1%、98.0%和96.7%。此外，该智能系统还应用于通过无线单元使用手势对机器人手进行通信和控制。由于丝网印刷工艺成本低、结构简单、算法计算资源可接受等优点，本研究所展示的智能系统为手势识别和标志通信应用，特别是多场景和多功能HMI应用提供了一种有前途的策略。

来源：传感器专家网