① 能识别手势的电脑是怎样工作的
一种能够识别手势语并将其转换成屏幕显示文本的软件，可以使失聪者更容易、更自然地利用电脑同别人交流。加拿大魁北克省舍布鲁克大学的研究人员开发了一种能够识别国际手势语的系统。这种系统可以通过手势把组成单词的每个字母拼出来。
这种系统识别国际手势语的成功率高达96%。由于每个人的手势略有不同，如果使用这种神经网络系统的人经过培训，可以使这种系统发挥的作用达到最佳效果。这种系统通过快速工作站识别一个手势需要半秒钟，研究人员尚未能使它达到最佳识别速度。研究人员相信，他们通过使这种系统具备可以检验容易出错的手势，能够进一步提高识别的准确性。
这种系统用摄像机捕捉每个手势，再由软件进行一系列处理。第一阶段是“边缘测定”，即绘制出手的轮廓。然后由系统确定手的长轴和短轴，以便确定手势的确切方向。
在这个基础上，程序对手指相对于手的长轴的变化和方向加以测量。得出的信息被输入神经网络程序，程序通过与现有训练数据加以比较，对字母最有可能表达的含意做出猜测。一旦电脑识别出手势所要表达的意思，就把相关的字母显示在屏幕上。
研究人员说，由于这个系统采用的是实时交流方式，其反应速度是相当快的。
② 神经网络在图像识别中有哪些应用
卷积神经网络有以下几种应用可供研究：
1、基于卷积网络的形状识别
物体的形状是人的视觉系统分析和识别物体的基础，几何形状是物体的本质特征的表现，并具有平移、缩放和旋转不变等特点，所以在模式识别领域，对于形状的分析和识别具有十分重要的意义，而二维图像作为三维图像的特例以及组成部分，因此二维图像的识别是三维图像识别的基础。
2、基于卷积网络的人脸检测
卷槐桥积神经网络与传统的人脸检测方法不同，它是通过直接作用于输陪简入样本，用样本来训练网络并最终实现检测任务的。它是非参数型的人脸检测方法，可以省去传统方法中建模、参数估计以及参数检验、重建模型等的一系列复杂过程。本文针对图像中任意大小、位置、姿势、方向、肤色、面部表情和光照条件的人脸。
3、文字识别系统
在经典的模式识别中，一般是事先提取特征。提取诸多特征后，要对这些特征进行相关性分析，找到最能代表字符的特征，去掉对分类无关和自相关的特征。然而，这些特征的提取太过依赖人的经验和主观意识，提取到的特征的不同对分类性能影响很大，甚至提取的特征的顺序也芦明裤会影响最后的分类性能。同时，图像预处理的好坏也会影响到提取的特征。