基于改进CNN与SVM的手势识别研究

摘要：

手势识别在人机交互中起着重要的作用,然而手势形态和背景的复杂多样性给手势识别过程带来难题.为了降低特征提取的难度和提高识别准确率,设计一种改进卷积神经网络(CNN)和支持向量机(SVM)模型来对手势进行识别.该模型首先对手势图像分割处理和数据增强处理,然后用Inception模块改进后的CNN完成对手势特征的提取,最后通过SVM对不同手势分类识别.实验结果表明,该模型在自建手势数据集下平均识别率为98.13％,在MNIST数据集下平均识别率为98.95％,同一数据集下较传统模型识别率均有提高.

关键词：手势识别、CNN、SVM、特征提取、图像分割、数据增强

所属期刊栏目：43

分类号：TN915-34;TP183

资助基金：河北省自然科学基金资助项目D2017402158

在线出版日期：2020-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：128-131