科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现基于Kinect传感器的实时手势识别,并在保证识别精度的情况下缩短识别时间,提出一种基于卡尔曼滤波的手势图像提取方法,并研究基于该分割方法的三种特征的手势识别模型。通过Kinect获取图像和骨骼信息,基于卡尔曼滤波提取手势区域。为验证分割的高效性,采集10类手势的28000张样本,提取两种局部二值模式特征和一种方向梯度直方图(HOG)特征,用支持向量机(SVM)机器学习方法进行分类识别。实验表明,HOG+SVM的手势识别模型的识别精度可达97.09%,识别帧率为31frame/s。在基于Kinect的应用中,基于该分割方法和HOG特征提取的SVM识别模型能够满足实时性的要求。
- 单位
