基于特征融合的手势识别

摘要

在手势识别的过程中,手势的多样性和复杂性会对识别的可靠性和准确性带来较大影响。基于视觉的手势识别通常采取单一特征用于手势分类,但是单一特征无法较好地描述整个图像。因此本文提出多种特征融合的方法,分别提取改进后的梯度方向直方图(HOG)特征和MB-LBP特征,并进行特征融合,结合支持向量机(SVM)分类器完成手势图像的识别。实验结果表明,提取的融合特征包含手势图像的局部区域梯度信息和图像的纹理信息,可以更加全面地描述图像的手势特征。相较于单一特征识别方法而言,基于特征融合的方法有着更高的识别率。