基于多特征SVMs分類(lèi)器的手語(yǔ)識別*
——
作者：楊全 西安文理學(xué)院 計算機科學(xué)系 彭進(jìn)業(yè) 西北大學(xué) 信息科學(xué)與技術(shù)學(xué)院
時(shí)間：2009-04-14
來(lái)源：電子產(chǎn)品世界
收藏
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對面交流
海量資料庫查詢(xún)
(4)生成SIFT特征向量。 首先將坐標軸旋轉為關(guān)鍵點(diǎn)的方向，以確保旋轉不變性。接下來(lái)以關(guān)鍵點(diǎn)為中心取8×8的窗口。然后在每4×4的小塊上計算8個(gè)方向的梯度方向直方圖，繪制每個(gè)梯度方向的累加值，即可形成一個(gè)種子點(diǎn)。手語(yǔ)字母圖像的SIFT特征提取如圖2所示。
本文引用地址：http://dyxdggzs.com/article/93422.htm
圖2 (a)手語(yǔ)字母J原圖 (b)對(a)提取SIFT特征向量
實(shí)驗
本文從視頻中采集了中國手語(yǔ)字母表中的30個(gè)手語(yǔ)字母的圖像，30組，每組圖像195幅，共5850幅圖像作為實(shí)驗圖像。每組的前50幅作為正例訓練樣本，從其他29組中各選取5幅共145幅作為反例訓練樣本。每類(lèi)圖像除選作正例的50圖像外，剩余的145幅作為測試圖像。實(shí)驗中首先提取圖像的7維不變矩特征量，48維Gabor紋理特征，128維SIFT特征作為圖像全局和局部特征描述。然后分別采用兩種不同核函數(Linear kernel, Radical Basis Function)的SVMs分類(lèi)器進(jìn)行訓練，對中國手語(yǔ)字母表中的30個(gè)手語(yǔ)字母圖像的識別結果如表2所示。
表2 30個(gè)中國手語(yǔ)字母的識別結果
基于線(xiàn)性核函數的SVM平均識別率為95.556%，基于徑向基核函數的SVM平均識別率為83.1282%。實(shí)驗表明，采用徑向基核函數的SVM識別率普遍低于采用線(xiàn)性核函數的SVM。
評論