典型文献
基于HOG特征提取和SVM的手势识别方法研究
文献摘要：
手势识别是人机交互领域的一种重要手段,针对手势形态多样性和背景的复杂性导致识别率不高的问题,提出一种融合HOG+SVM的手势识别方法,该方法有效提高手势识别率.首先建立手势样本数据集,选择轮廓信息完整的手势图像作为模板,为了验证分割的高效性,采集6类手势的6,000张样本,提取两种局部二值模式特征和一种方向梯度直方图,对形态学处理后手势样本集提取HOG特征并进行降维处理,目的是提高手势识别速度,然后对手势轮廓和质心位置提取不同形态手势多特征信息,对两种特征进行归一化处理,精确地对手势信息进行识别,得到不同形态手势的特征,将最终的手势分类特征通过SVM进行分类识别.实验结果表明,本文提出的手势识别方法在复杂环境下识别率达到95％,具有较强的鲁棒性,满足人机交互的需求.
文献关键词：
手势识别;HOG;SVM;多特征信息;人机交互
中图分类号：
作者姓名：
李国玄;马凯凯;王文博
作者机构：
商丘工学院机械工程学院,河南商丘 476000
文献出处：
引用格式：
[1]李国玄;马凯凯;王文博-.基于HOG特征提取和SVM的手势识别方法研究)[J].传感器世界,2022(12):30-36
A类：
B类：
手势识别,人机交互,形态多样性,识别率,HOG+SVM,高手,样本数据集,手势图,局部二值模式特征,方向梯度直方图,形态学处理,后手,样本集,降维处理,质心位置,不同形态,多特征信息,归一化处理,分类特征,分类识别,复杂环境
AB值：
0.256915
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
