面向网页交互场景下的手势识别改进算法研究

• 作者: 周思昀 施水才
• 来源期刊: 通信技术
• 关键词: 计算机视觉 手势识别 机器学习 支持向量机 卷积神经网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 工程与应用|Engineering & Application
• 页码范围: 1028-1034
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2021.04.039

摘要

面向网页交互场景下的数字手势识别存在背景复杂度、识别计算量大等问题,提出一种基于改进的支持向量机(Supportive Vector Machine,SVM)与卷积神经网络(Convolutional Neural Network,CNN)相结合的数字手势检测与识别算法.根据复杂背景下手势提取的特点,提出一种通过肤色检验对目标图像中手部图像进行提取的方法,处理得到手部轮廓作为训练数据.由于识别计算量大,识别速度成为挑战性的问题.因此,对传统卷积神经网络进行优化,采用共享权值的稀疏连接,通过稀疏滤波器进行特征提取,降低了神经网络数量级保留CNN算法在特征提取方面的优势,并且添加SVM分类器,其最终决策函数只由少数支持向量确定,在某种意义上避免了"维数灾难",具有分类的稳定性,最终得到数字手势识别的识别率为98.87％.通过实验对比单独使用卷积神经网络或者支持向量机算法的模型,所提方法准确率提升了2％ ～3％.