基于改进霍夫变换算法的手势识别
随着人们对人机交互的简单便捷性需求的不断提升, 基于视觉的手势识别在许多领域都引起了足够的重视. 由于深度图像在识别中的良好表现, 其在领域内广受青睐. 从深度图像中分割出手势图像区域并对其进行归一化处理得到统一规格的手势二值图像, 然后进行手势边缘的检测. 针对手指轮廓特性提出了改进的霍夫变换算法,提取图像中的手指信息特征. 同时提取基于边缘曲线特征, 并建立3D直方图进行统计. 最终对两种特征进行融合,根据所得到的特征向量通过最小闭包球支持向量机(MEB-SVM)进行手势分类, 测试集上识别率为96.6%. 该方法不依赖于颜色、细节纹理等信息, 对光照等条件不敏感, 有着良好的鲁棒性. 且识别速度较快能满足一般应用的需求.
手势识别、深度图像、边缘检测、直方图、霍夫变换、支持向量机
27
2018-05-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
243-248