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

  X, A" G5 {6 l  x) Y
2 Z! F6 H# L5 m8 C2 M3 H


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
% r' b; _3 R+ @& R0 ^2 R* p% DSVM 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。

) z! l1 b( f( p7 u" c2 }! i
0 I& G8 D) l7 I0 q7 U8 ^