10.3969/j.issn.1001-3695.2014.03.076
融合Hu矩与BoF-SURF支持向量机的手势识别
基于尺度不变特征变换的特征包(BoF-SIFT)支持向量机的分类方法具有较好的手势识别效果,但是计算复杂度高、实时性较差。为此,提出了融合Hu矩与基于快速鲁棒特征的特征包(BoF-SURF)支持向量机(SVM)的手势识别方法。特征包模型中用快速鲁棒性特征(SURF)算法替换尺度不变特征变换(SIFT)算法提取特征,提高了实时性,并引入Hu矩描述手势全局特征,进一步提高识别率。实验结果表明,算法无论是实时性还是识别率都要高于BoF-SIFT支持向量机方法。
手势识别、特征包模型、快速鲁棒特征、Hu不变矩、支持向量机
31
TP391.4(计算技术、计算机技术)
2014-05-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
953-956,960