基于BiGRU的中文孤立词手语识别系统产品系统Vibe Coding

手语是听障人群进行交流的重要方式，而普通人与听障人士之间由于缺乏统一交流媒介，长期存在沟通受阻问题。现有手语识别系统存在复杂背景干扰、时序特征建模困难以及边缘设备部署性能不足等问题，设计并实现一种基于 BiGRU 的中文孤立词手语识别系统，并完成了在树莓派平台上的轻量化部署。

整体主要基于 CSL500 中文手语数据集进行。结果表明，本文训练的模型在测试集上的识别准确率达到了97.56%，并且大多数类别的识别准确率都在90%以上，整体效果较为稳定。
部署测试中，经过量化优化后的模型能够在树莓派平台上实现较稳定的实时推理，基本满足实际运行需求，这验证了该系统在真实场景下具备一定的可行性和应用价值。

设计并实现了一套基于 BiGRU 的轻量化手语识别系统，基本完成了从数据预处理、模型训练，再到树莓派边缘部署的一整套技术流程。系统首先通过 YOLOv5s 完成人体检测和区域裁切，然后结合 MediaPipe 提取人体以及双手关键点信息，并基于骨架时序特征构建 BiGRU 深度学习模型，从而实现较高精度的手语动作识别。与此同时，系统还结合 ONNX 模型转换以及 INT8 量化优化，进一步降低了模型体积和推理开销，使其能够在树莓派这类资源受限设备上较稳定地运行。