融合Hu矩与BoF-SURF支持向量机的手势识别

摘要：

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。

关键词：手势识别、特征包模型、快速鲁棒特征、Hu不变矩、支持向量机

所属期刊栏目：31

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2014-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：953-956,960