基于多特征SVMs分類器的手語識別*
——
作者：楊全 西安文理學院 計算機科學系 彭進業(yè) 西北大學 信息科學與技術學院
時間：2009-04-14
來源：電子產(chǎn)品世界
收藏
加入技術交流群
掃碼加入
和技術大咖面對面交流
海量資料庫查詢
(4)生成SIFT特征向量。 首先將坐標軸旋轉(zhuǎn)為關鍵點的方向，以確保旋轉(zhuǎn)不變性。接下來以關鍵點為中心取8×8的窗口。然后在每4×4的小塊上計算8個方向的梯度方向直方圖，繪制每個梯度方向的累加值，即可形成一個種子點。手語字母圖像的SIFT特征提取如圖2所示。
本文引用地址：http://yuyingmama.com.cn/article/93422.htm
圖2 (a)手語字母J原圖 (b)對(a)提取SIFT特征向量
實驗
本文從視頻中采集了中國手語字母表中的30個手語字母的圖像，30組，每組圖像195幅，共5850幅圖像作為實驗圖像。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。每類圖像除選作正例的50圖像外，剩余的145幅作為測試圖像。實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(shù)(Linear kernel, Radical Basis Function)的SVMs分類器進行訓練，對中國手語字母表中的30個手語字母圖像的識別結(jié)果如表2所示。
表2 30個中國手語字母的識別結(jié)果
基于線性核函數(shù)的SVM平均識別率為95.556%，基于徑向基核函數(shù)的SVM平均識別率為83.1282%。實驗表明，采用徑向基核函數(shù)的SVM識別率普遍低于采用線性核函數(shù)的SVM。
評論