基于改进 CNN 与 SVM 的手势识别研究

杨利霞

基于改进 CNN 与 SVM 的手势识别研究

: X4 j! d  Z' n8 u

. Y, K9 t) A; a) A3 A7 d. w) N* ^
; l4 I0 B, Q. d4 V) S

8 T" A3 j- F  h  d3 {$ \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
& a, T$ L1 X$ X7 C# O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
0 n) Z4 B( F% p2 H" ISVM 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
  L- [& R! l6 k. h1 S率为 98.95％，同一数据集下较传统模型识别率均有提高。


3 r$ u6 B9 T+ u$ E+ S" M