基于质心分水岭算法的静态手势分割算法模型
为了解决在类肤色背景下难以从图像中高效地分割出完整静态手势的问题,提出了基于质心分水岭算法(improved centroid watershed algorithm,ICWA)的静态手势分割模型.该ICWA算法可以有效地减少图像梯度对手势分割的影响并完整地提取出肤色区域.此外,本文设计了一种将PCA(principal component analysis)降维和凸性检测算法相结合的方法,可以根据对凸点准确提取手腕的割线.同时,利用卷积神经网络(convolutionalneural networks,CNN)在标准数据库上进行了初步的手势自动识别实验.实验结果表明:该分割模型对于9种静态手势的平均识别率达到了97.85%.
类肤色背景、静态手势分割、ICWA算法、手腕分割、手势识别、凸性检测、PCA降维、深度学习
14
TP18(自动化基础理论)
国家自然科学基金项目61203172;四川省科技厅应用基础项目2018JY0146,2019YFH0187;深圳市重大国际合作项目GJHZ20160301164521358
2019-04-29(万方平台首次上网日期,不代表论文的发表时间)
共9页
346-354