基于改进CNN与SVM的手势识别研究

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.