最近一个项目是在做手势的识别，使用传统的图像匹配方法误差率太大，还是得上深度学习。以前我听信网上很多人的言论，认为深度学习只是概率统计的一个衍生，本身的理论水平有限，只能作为调参侠来使用神经网络，或者利用一些Trick或者技巧来实验性地改造神经网络，没有理论的支持。因此我认为深度学习只是昙花一现的事务，如今中国大兴的人工智能浪潮有点太过。但做了这么多项目以来，我越来越感觉到机器学习的强大，越来越懂得其可以用来改造的传统行业的前景，未来肯定是机器学习爆发的时刻，现在还只是开始。
前言：做手势识别我用了很多的方法。第一，基于opencv的模板匹配方法，这个虽然有一定概率可以识别出手势，但识别错误率太高，识别的手势也只能是非常简单的；第二，基于SURF等特征的匹配方法，这个做到一半放弃了，因为特征点相同我想只能证明是相同的手，而很难说明是相同的手势；第三，基于均值Hash算法的模板匹配方法，这个方法给每张图片一个指纹向量，通过比较指纹的距离判断相似性，结果很多手势指纹相同，这个方法也失效了；最后找到了这个基于Openpose开源程序的手部骨架提取来识别手势，我看了demo，感觉鲁棒性非常好，可以识别手部关节和手指，手掌，可行性和可靠性非常高。
1.Openpose的介绍
github链接：https://github.com/CMU-Perceptual-Computing-Lab/openpose
win10下安装配置openpose的视频：https://www.bilibili.com/video/BV1BT4y13773
模型下载链接：
2.Openpose模型的介绍
openpose模型就是用来检测人体骨架的，所以输出为关键点信息。
我安装时是2020年5月3日。具体的介绍见链接：https://www.aiuai.cn/aifarm712.html
2.1 BODY_25 - pose_iter_584000.caffemodel
2.2 COCO - pose_iter_440000.caffemodel
2.3 MPI - pose_iter_160000.caffemodel
2.4 Face - pose_iter_116000.caffemodel
2.5 Hand - pose_iter_102000.caffemodel
