基于改进XGBoost和随机森林的VR三维手势识别

为了提高VR环境三维手势识别的性能,增强VR交互体验,采用随机森林算法和XGBoost算法进行三维手势识别。根据手掌骨骼轮廓结构、手指及手腕关节点分布,结合三维空间坐标系及关节点相对于X、Y和Z轴的转动角度提取手势数据样本的特征向量,然后采用随机森林算法对特征向量进行降维处理,并且对影响手势识别准确度的特征进行重要度排序,选取重要度排名高的特征向量重构数据样本,最后采用改进的XGBoost算法对重构数据样本进行手势识别训练。实验证明,相比于原始特征向量,随机森林优化后的特征向量训练后三维手势识别准确度更高,且运行时间未有明显增加;而且与常用三维手势识别算法对比,包括SVM、决策树、K-means、神经网络、卷积神经网络,改进的XGBoost算法的手势识别准确率更高。