如今社会对智能产品的需求日益增加,无论是手机应用还是电脑程序,都越来越追求智能化。智能化指设备自动识别用户的操作动作,而不再需要用户直接对设备进行操作,这样的好处是大大减少了用户对设备的依赖,提高了用户对应用程序操作的灵活度。网盘作为一种新的文件存储方式,应用越来越广泛。用户只需要申请一个网盘账号,就可以在其中存放各式各样格式的文件,这样可以减少在本地电脑存储文件的压力。同时,网盘系统往往是诸多多媒体系统的核心模块,甚至可以视为一种独立的多媒体系统,还有部分文件播放功能,比如在线的图片查看、视频播放和文档浏览等等。无接触式网盘播放系统开发的意义在于减少用户对设备的依赖,允许用户用更加轻松的方式控制系统,提升用户体验感和操作的便捷性,同时也体现了系统的智能化。本论文依据网盘的文件播放功能,结合前沿的机器学习以及模式识别算法,开发出一个可以实时识别操作手势、无需接触电脑即可控制文件播放的智能网盘系统。论文内容主要分为两部分:开展面向网盘播控系统的手势检测与识别算法的研究、设计与改进,提出了双分支深度决策融合模型。该方法主要采用目前主流YOLOv3算法进行手部的检测,并在此基础,获取手势图片,运用前沿卷积神经网络算法Efficient Net进行手势识别。同时为了进一步提升模型精度性能,本文还引入单个YOLOv3识别检测模块,并运用最大池化对YOLOv3与Efficient Net的识别结果进行融合,实验发现融合的网络模型比单纯YOLOv3和Efficient Net在识别效果上具有显著的提升。根据所研发的手势识别算法特点,运用Django开发框架整合Web技术及手势识别算法,设计并实现了基于手势识别的无接触式网盘播放系统。该系统经过大量测试数据,其性能优良,能够满足网盘播放的实时精准无接触控制。