项目介绍本项目是一套面向交通指挥场景的交警手势识别系统围绕“图像上传、智能识别、结果展示、历史留存、用户管理、公告发布”等业务需求进行设计与实现。系统前端采用 Vue3 与 Element Plus 构建交互界面能够完成用户登录、图片上传、识别结果查看、历史记录查询及系统公告浏览等操作后端采用 Flask 搭建轻量化服务提供认证鉴权、识别接口、数据管理和文件访问能力算法部分基于 TensorFlow 框架引入 ResNet50 深度卷积神经网络模型实现对“停止、减速指令、变道指令、右转指令、左转、左转待转指令、直行、靠边停车”8 类交警手势的自动分类识别。选题背景与意义随着城市机动车数量持续增长复杂路口、临时管制路段及特殊天气条件下的交通疏导任务日益繁重交警手势仍然是保障道路安全和提升通行效率的重要指挥方式。然而传统人工识别方式在培训、监督和智能化应用中存在效率低、主观性强、标准统一难等问题难以满足智慧交通发展需求。基于计算机视觉与深度学习技术构建交警手势识别系统能够对交通指挥动作进行自动分析与分类一方面可辅助交警教学训练实现手势标准化评估与案例复盘另一方面也可为智能监控、交通事件分析和人机协同指挥提供基础能力。关键技术栈ResNet50ResNet50 是一种经典的深度残差网络包含 50 层可训练结构其核心思想是在网络中引入残差连接使输入特征能够跨层传递从而有效缓解深层网络训练过程中常见的梯度消失和网络退化问题。相较于普通卷积神经网络ResNet50 在特征提取能力、模型稳定性和迁移学习适配性方面具有明显优势尤其适合图像分类任务。在本系统中交警手势图像首先被统一缩放至 224×224 尺寸并进行归一化处理随后输入 ResNet50 模型完成特征提取与类别判定输出 8 类手势的置信度结果。系统不仅返回最高概率类别还保留全部类别预测分数便于前端展示详细识别信息和后续结果分析。技术架构图系统功能模块图演示视频 and 完整代码 and 安装地址https://www.yuque.com/ziwu/qkqzd2/enakcdsipmi5nt6c