基于嵌入式系統(tǒng)的支持向量機(jī)手勢(shì)識(shí)別算法研究.pdf

1、手勢(shì)是種自然、直觀的交流方法，它能像語(yǔ)言一樣表達(dá)某種意思。手勢(shì)識(shí)別技術(shù)有較廣泛的應(yīng)用，但由于算法本身的相對(duì)復(fù)雜，所以多數(shù)基于PC機(jī)實(shí)現(xiàn)?；谇度胧较到y(tǒng)的手勢(shì)識(shí)別相對(duì)PC機(jī)具有便捷性等優(yōu)點(diǎn)，有實(shí)際應(yīng)用價(jià)值。在計(jì)算、存儲(chǔ)資源有限的嵌入式系統(tǒng)上實(shí)現(xiàn)手勢(shì)識(shí)別需要對(duì)識(shí)別算法進(jìn)行改進(jìn)，才能在保證識(shí)別準(zhǔn)確率前提下提高系統(tǒng)實(shí)時(shí)性。
　　手勢(shì)識(shí)別系統(tǒng)包括圖像采集和預(yù)處理、圖像識(shí)別等。識(shí)別算法的選擇對(duì)性能有重要影響，本文選擇支持向量機(jī)算法作為識(shí)別算法

2、。支持向量機(jī)算法基于統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論，相對(duì)于人工神經(jīng)網(wǎng)絡(luò)和決策樹(shù)等算法有更好的理論基礎(chǔ)和泛化能力以及更高的識(shí)別準(zhǔn)確率。因?yàn)锳RM架構(gòu)處理器應(yīng)用較廣，所以選擇在ARM架構(gòu)處理器的嵌入式系統(tǒng)上實(shí)現(xiàn)手勢(shì)識(shí)別。
　　由于訓(xùn)練算法較復(fù)雜，多數(shù)人都選擇在PC機(jī)訓(xùn)練模型，然后通過(guò)模型參數(shù)，在嵌入式系統(tǒng)實(shí)現(xiàn)識(shí)別部分。本文選擇將支持向量機(jī)算法的訓(xùn)練部分和識(shí)別部分一起在嵌入式系統(tǒng)中實(shí)現(xiàn)，以滿足應(yīng)用的需要。由于嵌入式系統(tǒng)運(yùn)算能力和內(nèi)存都

3、不如PC機(jī)，所以本文針對(duì)手勢(shì)識(shí)別應(yīng)用改進(jìn)支持向量機(jī)算法使其能在資源有限的嵌入式系統(tǒng)上有效運(yùn)行，滿足穩(wěn)定性和實(shí)時(shí)性要求，提出了基于切比雪夫-徑向基混合核函數(shù)的改進(jìn)多分類DAGSVM算法。改進(jìn)算法對(duì)訓(xùn)練樣本做了篩選，采用新的混合核函數(shù)，將遺傳算法用于參數(shù)選取，改進(jìn)了多分類DAGSVM算法和SMO訓(xùn)練算法，浮點(diǎn)數(shù)運(yùn)算定點(diǎn)化處理。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證了改進(jìn)算法比原算法有更快的訓(xùn)練、識(shí)別速度，識(shí)別準(zhǔn)確率基本不變。本文針對(duì)支持向量機(jī)手勢(shì)識(shí)別算法在嵌入式平臺(tái)