手势是种自然、直观的交流方法,它能像语言一样表达某种意思。手势识别技术有较广泛的应用,但由于算法本身的相对复杂,所以多数基于PC机实现。基于嵌入式系统的手势识别相对PC机具有便捷性等优点,有实际应用价值。在计算、存储资源有限的嵌入式系统上实现手势识别需要对识别算法进行改进,才能在保证识别准确率前提下提高系统实时性。手势识别系统包括图像采集和预处理、图像识别等。识别算法的选择对性能有重要影响,本文选择支持向量机算法作为识别算法。支持向量机算法基于统计学习理论和结构风险最小化理论,相对于人工神经网络和决策树等算法有更好的理论基础和泛化能力以及更高的识别准确率。因为ARM架构处理器应用较广,所以选择在ARM架构处理器的嵌入式系统上实现手势识别。由于训练算法较复杂,多数人都选择在PC机训练模型,然后通过模型参数,在嵌入式系统实现识别部分。本文选择将支持向量机算法的训练部分和识别部分一起在嵌入式系统中实现,以满足应用的需要。由于嵌入式系统运算能力和内存都不如PC机,所以本文针对手势识别应用改进支持向量机算法使其能在资源有限的嵌入式系统上有效运行,满足稳定性和实时性要求,提出了基于切比雪夫-径向基混合核函数的改进多分类DAGSVM算法。改进算法对训练样本做了筛选,采用新的混合核函数,将遗传算法用于参数选取,改进了多分类DAGSVM算法和SMO训练算法,浮点数运算定点化处理。经过实验验证了改进算法比原算法有更快的训练、识别速度,识别准确率基本不变。本文针对支持向量机手势识别算法在嵌入式平台实现关键问题改进算法,使其在保证手势识别准确率同时加快运行速度,增强系统实时性。