一种基于HOG-PCA的高效图像分类方法

为了更有效地提高图像分类性能和准确率,提出一种基于HOG-PCA的高效图像分类方法。首先通过提取方向梯度直方图(HOG)特征并作特征白化,再随机下采样进行尺度统一,随后采用主成分分析(PCA)进行特征映射,最后用最小二阶范数判定进行最近邻分类。实验中,采用C++,基于OpenCV和Darwin实现了提出的方法,并在Pascal 2012数据集上进行测试,比较了该方法和BOW-SVM方法的准确率和运行性能。实验证明,提出的方法具有更高的准确率和更好的运行性能。

基于视频的手势识别中左右手判别研究

针对基于视频的手势识别中,由于左右手遮挡、背景与肤色相近等原因常常造成的手部分割、双手跟踪错误的问题,介绍了一种手势视频中左右手区分判别方法,通过对双手的区分判别,可以辅助视频中手部分割,同时可以降低由于手部遮挡造成的左右手跟踪错误。该方法首先提取左右手不同情况下训练样本的梯度方向直方图(HOG)特征;然后对手部特征进行主成份分析(PCA),通过去除冗余信息,进而找到描述左手、右手和双手遮挡的3种模式;最后,通过模式匹配实现了左右手判别。实验结果表明,该方法能较好地判别左右手。