论文部分内容阅读
基于尺度不变特征变换的特征包（BoF-SIFT）支持向量机的分类方法具有较好的手势识别效果，但是计算复杂度高、实时性较差。为此，提出了融合Hu矩与基于快速鲁棒特征的特征包（BoF-SURF）支持向量机（SVM）的手势识别方法。特征包模型中用快速鲁棒性特征（SURF）算法替换尺度不变特征变换（SIFT）算法提取特征，提高了实时性，并引入Hu矩描述手势全局特征，进一步提高识别率。实验结果表明，算法无论是实时性还是识别率都要高于BoF-SIFT支持向量机方法。