基于多特征SVMs分類(lèi)器的手語(yǔ)識(shí)別*
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對(duì)面交流
海量資料庫(kù)查詢(xún)
(4)生成SIFT特征向量。 首先將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點(diǎn)的方向，以確保旋轉(zhuǎn)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(jì)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://butianyuan.cn/article/93422.htm
圖2 (a)手語(yǔ)字母J原圖 (b)對(duì)(a)提取SIFT特征向量
實(shí)驗(yàn)
本文從視頻中采集了中國(guó)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(yàn)圖像。每組的前50幅作為正例訓(xùn)練樣本，從其他29組中各選取5幅共145幅作為反例訓(xùn)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(cè)試圖像。實(shí)驗(yàn)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(lèi)器進(jìn)行訓(xùn)練，對(duì)中國(guó)手語(yǔ)字母表中的30個(gè)手語(yǔ)字母圖像的識(shí)別結(jié)果如表2所示。
表2 30個(gè)中國(guó)手語(yǔ)字母的識(shí)別結(jié)果
基于線(xiàn)性核函數(shù)的SVM平均識(shí)別率為95.556%，基于徑向基核函數(shù)的SVM平均識(shí)別率為83.1282%。實(shí)驗(yàn)表明，采用徑向基核函數(shù)的SVM識(shí)別率普遍低于采用線(xiàn)性核函數(shù)的SVM。
評(píng)論