对偶树复小波与空域信息的手势识别分类研究
为提高手势识别中特征获取的有效性,本文提出空域特征与对偶树复小波变换特征相结合的融合特征,主要包括水平位置、竖直位置、长宽比、矩形度、Hu矩7个分量,及11维空域特征与对偶树复小波变换的16维特征进行融合后得到的27维特征.针对分类器优化算法,提出进行训练样本优选的最优距离–支持向量机(BD-SVM)分类方法.最后的实验结果表明,对"1~9"手势进行测试,当采用径向基核函数时,平均识别精度最高,为90.33%,平均识别时间为0.026 s,说明所提出的方法能够较好地进行静态手势识别,具有较高的训练速度和辨识精度.
手势识别、空域特征、对偶树复小波、特征融合、分类器优化、BD-SVM、径向基核函数、静态测试
13
TP273(自动化技术及设备)
中央高校基本科研业务费专项资金项目2572014BB03;国家自然科学基金项目31470714,51609048;黑龙江省研究生教育创新工程项目JGXM_HLJ_2016014
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
619-624