资料下载
×
基于自适应多分类器融合的手势识别方法
消耗积分:0 |
格式:pdf |
大小:3.55 MB |
2021-05-18
分享资料个
为了提高基于可穿戴设备手势识别的性能，针对单分类器在手势识别时会出现偏向性的问题，提出了基于自适应多分类器融合的手势识别方法（Self- adaptive Multi-classifiers Fusion， SAMCF）。首先，针对统计特征无法表征复杂手势之间类内变异性和相似性的问题， SAMCE使用卷积神经网络（ Convolutional Neural Network，CNN）自动提取具有强表征能力的深度特;然后，采用多个基本分类器对提取的特征向量进行识别，并通过自适应融合算法决策出最优识别结果，解决了单分类器的偏向性问题;最后，基于数据手套采集的数据集，验证了模型的鲁棒性和泛化能力。实验结果表明，SAMC`F能够有效地提取手势的深度特征，解决单分类器的偏向性问题，提高了手势识别的效率，増强了手势识别的性能，对字符级手势（美国手语和阿拉伯数字）识别的准确率达到98.23%，较其他算法平均提高了5%;对单词级手势（中囯手语）识别的准确率达到9η.81%，较其他算法平均提高了4%。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
