基于“MediaPipe+MLP”的手势识别研究与应用

针对静态手语识别在复杂光照下鲁棒性和实时性不足的问题，提出了一种基于MediaPipe与MLP 的轻量化框架。该方案利用MediaPipe提取手部关键点，并设计了动态权重调整机制来缓解光照干扰。同时，结合归一化处理和多尺度数据增强方法，在坐标层面引入了仿射变换、高斯噪声和特征丢弃，以增强模型对位置偏移的适应能力。分类模块使用MLP构建端到端流程，并通过交叉熵损失函数优化特征映射。实验结果表明，该模型具有较高的精度，并能有效提高残疾人的交流效率。

关键词：机器视觉;手语翻译;多层感知;特征提取