基于多特征SVMs分类器的手语识别*
图像特征选取
手语图像特征的选取，会直接影响到识别的效果，因此在表示图像的不同视觉特征时本文同时提取全局视觉特征和局部视觉特征。为了避免图像分割工具可能带来的问题，在特征提取时不进行图像分割。在研究中，将提取图像的以下特征：(1)7维不变矩特征量，作为图像整体形状描述的特征向量(2)用Gabor小波提取48维的纹理特征，以表示图像的整体结构属性[10];(3)提取一定数量的兴趣点及它们的SIFT特征[11]，以表示图像的局部结构特征与所包含目标的大致形状。实验表明，全局和局部视觉特征可以有效的表示出图像的主要视觉特征。
Hu不变矩特征量
利用矩不变量进行形体识别是模式识别中的一种重要的方法， Hu在1961年首先提出了矩不变量的概念。Hu首先提出代数不变矩的概念，并给出了一组基于通用矩组合的代数矩不变量。这些矩具有平移、尺度和旋转不变性，被称为Hu’s矩。
对于连续灰度函数 f(x, y)，它的(p + q)阶二维原点矩Mpq 的定义为：
假设 f(x, y)为分段连续的有界函数，并且在x，y平面上有限区域内有非零值。根据唯一性定理，它的各阶矩存在且唯一地被 f(x, y)确定，反过来，f(x, y)也唯一地被它的各阶矩确定。
此外，还可以定义 f(x, y)的(p + q)阶中心矩μpq 为：
Hu首先提出了不变矩，他给出了连续函数矩的定义和关于矩的基本性质，证明了有关矩的平移不变性、旋转不变性以及比例不变性等性质，具体给出了具有平移不变性、旋转不变性和比例不变性的七个不变矩的表达式。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
