• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Automatic Control and Dynamic Optimization Techniques >Hand gesture recognition with SURF-BOF based on Gray threshold segmentation
【24h】

Hand gesture recognition with SURF-BOF based on Gray threshold segmentation

机译：基于灰色阈值分割的SURF-BOF手势识别

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Hand gestures recognitions play an important role in human-computer interaction. To facilitate the understanding of computer vision-based hand gesture recognition, this paper describes a system for human-computer interaction through images' local features SURF, and we use threshold segmentation and bag-of-words algorithms to reduce the feature space dimensions. Leap motion is capable of collecting 800 images of hand gestures as 8 types efficiently. On the self-built database, we carry out experiments about SURF, LBP and geometric structure features by using SVM, RBF neural network and BP neural network to test performance and improve accuracy. The results of experiments indicate a good effect in aspect of recognition correctly of 99.5% using RBF neural network.
机译：手势识别在人机交互中起着重要作用。为了促进对基于计算机视觉的手势识别的理解，本文介绍了一种通过图像的局部特征SURF进行人机交互的系统，我们使用阈值分割和词袋算法来减少特征空间的维数。跳跃运动能够有效地将800种手势图像收集为8种类型。在自建数据库上，我们使用SVM，RBF神经网络和BP神经网络对SURF，LBP和几何结构特征进行了实验，以测试性能并提高准确性。实验结果表明，利用RBF神经网络在99.5％的正确识别率方面具有良好的效果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号