7 b1 p: L7 i* Z* o: W, e. R 5 V O5 r2 s: o# K* w5 G. b, m: ?9 y/ _+ L* Q: j7 p8 B [ j
# R( `7 s' l D5 O9 c& E6 v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8 A6 ^0 U4 Z4 J3 T' b
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。% c) k H. Q4 f. L' _7 z
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8 R0 y% T5 d& h e& D3 c" e" ~
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# J1 B ~) {( C* |8 B
率为 98.95％，同一数据集下较传统模型识别率均有提高。* h2 w$ y% d6 e- I
$ ?! Q% M8 L1 `4 m5 C) `: c9 S4 E% D7 @8 p, n' T6 X
