论文部分内容阅读
提出并实现一个用于人机交互的静态手势识别系统。基于皮肤颜色模型进行手势分割,并用傅里叶描述子描述轮廓。采用针对小样本特别有效且范化误差有界的支持向量机方法:最小二乘支持向量机(LS SVM)作为分类器。提出了LS SVM的增量训练方式,避免了费时的矩阵求逆操作。为实现多类手势识别,利用DAG(DirectedAcyclicGraph)将多个两类LS SVM结合起来。对26个字母手势进行识别,与多层感知器、径向基函数网络等方法比较,LS SVM的识别率最高,为93.62%。