计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2012年
12期
3392-3396
,共5页
张秋余%王道东%张墨逸%刘景满
張鞦餘%王道東%張墨逸%劉景滿
장추여%왕도동%장묵일%류경만
手势识别%尺度不变特征变换%特征包%视觉码书
手勢識彆%呎度不變特徵變換%特徵包%視覺碼書
수세식별%척도불변특정변환%특정포%시각마서
针对类肤色信息或复杂背景的影响,难以通过手势分割得到精确手势轮廓而对后期手势识别率与实时交互的影响,提出了一种基于特征包支持向量机(BOF-SVM)的手势识别方法.采用SIFT算法提取手势图像局部不变性特征点,将手势局部特征向量(尺度不变特征变换(SIFT)描述子)进行K-means聚类生成视觉码书,并通过视觉码书量化每一幅手势图像的视觉码字集合,以此获得手势图像的固定维数的表征向量来训练支持向量机(SVM)多类分类器.该方法只需框定手势所在区域,无需精确地分割人手.实验表明,该方法对9种交互手势的平均识别率达到92.1％,并具有很好的鲁棒性及实时性,能适应环境的变化.
針對類膚色信息或複雜揹景的影響,難以通過手勢分割得到精確手勢輪廓而對後期手勢識彆率與實時交互的影響,提齣瞭一種基于特徵包支持嚮量機(BOF-SVM)的手勢識彆方法.採用SIFT算法提取手勢圖像跼部不變性特徵點,將手勢跼部特徵嚮量(呎度不變特徵變換(SIFT)描述子)進行K-means聚類生成視覺碼書,併通過視覺碼書量化每一幅手勢圖像的視覺碼字集閤,以此穫得手勢圖像的固定維數的錶徵嚮量來訓練支持嚮量機(SVM)多類分類器.該方法隻需框定手勢所在區域,無需精確地分割人手.實驗錶明,該方法對9種交互手勢的平均識彆率達到92.1％,併具有很好的魯棒性及實時性,能適應環境的變化.
침대류부색신식혹복잡배경적영향,난이통과수세분할득도정학수세륜곽이대후기수세식별솔여실시교호적영향,제출료일충기우특정포지지향량궤(BOF-SVM)적수세식별방법.채용SIFT산법제취수세도상국부불변성특정점,장수세국부특정향량(척도불변특정변환(SIFT)묘술자)진행K-means취류생성시각마서,병통과시각마서양화매일폭수세도상적시각마자집합,이차획득수세도상적고정유수적표정향량래훈련지지향량궤(SVM)다류분류기.해방법지수광정수세소재구역,무수정학지분할인수.실험표명,해방법대9충교호수세적평균식별솔체도92.1％,병구유흔호적로봉성급실시성,능괄응배경적변화.
