基于改进CNN与SVM的手势识别研究

• 作者: 孙明扬 孟彩茹 宋京
• 来源期刊: 现代电子技术
• 关键词: 手势识别 CNN SVM 特征提取 图像分割 数据增强
• 年，卷（期）: 2020,（22）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 128-131
• 页数: 4页
• 分类号: TN915-34|TP183
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.22.032

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟彩茹		8	26	3.0	5.0
2	宋京		2	0	0.0	0.0
3	孙明扬		1	0	0.0	0.0