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

2 L/ j% o( n6 |



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。
& r1 ~8 Q0 c' K9 ~' B) C8 @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
5 `/ v) [4 P1 Y7 qSVM 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
9 L8 H2 l3 }+ Y1 J5 |) n% @率为 98.95％，同一数据集下较传统模型识别率均有提高。
0 R% a4 O( }4 [' \