基于SBB算法的复杂背景手势输入系统

摘要：

弱假设学习在近年来的机器学习领域得到越来越广泛的应用.本文提出一种多分类的基于应力的SBB(Stress Based Boosting)算法.在实时情况下,对输入的英文手语字母进行分类和识别,并转换成相应的汉字,实现了汉字的手势输入.首先对视频流进行预处理,利用双检测方法,消除噪声和背景得到手部区域,使用固定尺度的兴趣点检测器,利用特征提取器归纳出手部特征点,再利用SBB算法的学习规则对含有特征点的新样本进行分析和归类,采用应力反馈对于错判的手势进行纠正.在每个周期,都加入特征学习过程.算法能集中原手势训练集,通过已有分类器的分类结果确定分类策略.本系统具有自主学习、分类快速准确的特点.实验结果证明,本系统在实际条件下具有较高的识别率和鲁棒性,具备很好的应用前景.

关键词：识别、匹配、学习、手势

所属期刊栏目：29

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60472033

在线出版日期：2007-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：54-59