融合Hu矩与BoF-SURF支持向量机的手势识别

基于尺度不变特征变换的特征包(BoF-SIFT)支持向量机的分类方法具有较好的手势识别效果,但是计算复杂度高、实时性较差。为此,提出了融合Hu矩与基于快速鲁棒特征的特征包(BoF-SURF)支持向量机(SVM)的手势识别方法。特征包模型中用快速鲁棒性特征(SURF)算法替换尺度不变特征变换(SIFT)算法提取特征,提高了实时性,并引入Hu矩描述手势全局特征,进一步提高识别率。实验结果表明,算法无论是实时性还是识别率都要高于BoF-SIFT支持向量机方法。

结合肤色分割与手形匹配算法的静态手势检测

着重研究了在特定环境中,如有人脸、类肤色对象以及无意义手势干扰下,通过结合自适应肤色分割模型和基于Hu矩的手形匹配的方式,实现静态手势的分割。由于该算法易受到人脸的干扰,所以在此之前通过人脸检测追踪技术,预先将人脸用黑色的圆形或矩形替代。在肤色分割基础之上的基于Hu矩的手形匹配算法,可以排除类肤色的对象和无意义的手势。实验结果表明,该方法能够解决上述环境下的手势检测问题。