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 w& \7 }% F" c, Q
$ {/ u& V' ^, R


) O3 ]$ I* w# G  f
2 \0 o) `% X! u* J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
4 X+ u' C0 S: _8 H6 b. B+ N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
8 K" h/ Y0 u8 Q; p6 J& u5 xSVM 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
7 }/ G8 g5 R+ Q+ H6 i2 \8 B4 R率为 98.95％，同一数据集下较传统模型识别率均有提高。

$ [  U" Q8 L% x
. j+ ]2 D1 d5 ^- g: A6 A$ Y/ G