10.16652/j.issn.1004-373x.2020.22.032
基于改进CNN与SVM的手势识别研究
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.
手势识别、CNN、SVM、特征提取、图像分割、数据增强
43
TN915-34;TP183
河北省自然科学基金资助项目D2017402158
2020-11-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
128-131