基于SVM和HMM混合模型的動態(tài)手勢識別技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展,人機(jī)交互成為我們?nèi)粘Ｉ钪械闹匾糠?人機(jī)交互技術(shù)成為人們研究的重點(diǎn),其中包括表情識別、語音識別、行為識別等。手勢是人們表達(dá)情感、傳遞信息的一種重要手段,手勢識別也成為了人機(jī)交互技術(shù)中不可缺少的一部分,受到了人們越來越廣泛的關(guān)注,同時其應(yīng)用范圍也日益廣泛,如虛擬現(xiàn)實(shí)、手語學(xué)習(xí)、醫(yī)學(xué)研究、智能監(jiān)控等,因此,對于手勢識別技術(shù)的研究具有深遠(yuǎn)的研究意義與社會價值。本文對手勢識別技術(shù)進(jìn)行研究,在對HMM(隱馬爾可夫模型)

2、算法和SVM(支持向量機(jī))算法研究的基礎(chǔ)上,對基于HMM的手勢識別進(jìn)行分析,針對其存在的不足加以改進(jìn)。本文的主要改進(jìn)思路為采用決策級信息融合的思想對動態(tài)手勢進(jìn)行識別,一方面使用SVM對靜態(tài)手型進(jìn)行識別,另一方面則利用SVM的強(qiáng)分類能力和HMM對時變信號的處理能力,實(shí)現(xiàn)動態(tài)手勢軌跡的識別,最后使用信息融合得到最終的識別結(jié)果。另外為提高識別速度,將手勢模板庫設(shè)計(jì)為索引表結(jié)構(gòu),改進(jìn)后的數(shù)據(jù)庫具有很強(qiáng)的擴(kuò)展性。在系統(tǒng)的具體實(shí)現(xiàn)上,使用VC++6