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

/ ~5 n$ \0 o0 {6 d8 p+ Y0 Z4 ~2 K

, A3 {6 I2 f( u/ D( ]
( ]5 E1 `9 e0 l0 n( _
& Z4 V  w. P9 P$ F9 T
# i2 H$ I  g' i3 I+ T
# q1 D6 C# L& ^. |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
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
率为 98.95％，同一数据集下较传统模型识别率均有提高。
, \7 C% e. i3 ]# q4 l- g

9 y7 n) {3 Z! }. D+ u. w