本文關(guān)鍵詞：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，由筆耕文化傳播整理發(fā)布。

【摘要】：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。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)實(shí)現(xiàn)關(guān)鍵問(wèn)題改進(jìn)算法,使其在保證手勢(shì)識(shí)別準(zhǔn)確率同時(shí)加快運(yùn)行速度,增強(qiáng)系統(tǒng)實(shí)時(shí)性。
【關(guān)鍵詞】：手勢(shì)識(shí)別 支持向量機(jī) 嵌入式 ARM
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 第一章 緒論8-14
• 1.1 課題的研究背景和意義8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-12
• 1.2.1 支持向量機(jī)算法研究現(xiàn)狀8-10
• 1.2.2 手勢(shì)識(shí)別特征提取研究現(xiàn)狀10-12
• 1.3 本文主要工作12
• 1.4 論文章節(jié)安排12-14
• 第二章 支持向量機(jī)理論介紹14-28
• 2.1 機(jī)器學(xué)習(xí)方法14
• 2.2 線性分類器14-15
• 2.3 核函數(shù)15-17
• 2.4 支持向量機(jī)理論17-28
• 第三章 手勢(shì)識(shí)別系統(tǒng)28-36
• 3.1 手勢(shì)識(shí)別系統(tǒng)研究28-29
• 3.2 手勢(shì)圖像分割29-32
• 3.3 手勢(shì)特征提取32-33
• 3.4 手勢(shì)識(shí)別分類器選擇33-36
• 第四章 基于嵌入式系統(tǒng)支持向量機(jī)手勢(shì)識(shí)別36-51
• 4.1 嵌入式系統(tǒng)36
• 4.2 基于嵌入式系統(tǒng)支持向量機(jī)手勢(shì)識(shí)別36-51
• 4.2.1 嵌入式手勢(shì)識(shí)別系統(tǒng)軟硬件組成36-39
• 4.2.2 嵌入式手勢(shì)識(shí)別系統(tǒng)訓(xùn)練樣本選擇39-40
• 4.2.3 支持向量機(jī)核函數(shù)選擇40-43
• 4.2.4 支持向量機(jī)參數(shù)優(yōu)化43-46
• 4.2.5 支持向量機(jī)多分類實(shí)現(xiàn)46-47
• 4.2.6 支持向量機(jī)訓(xùn)練算法改進(jìn)47-48
• 4.2.7 浮點(diǎn)數(shù)運(yùn)算的定點(diǎn)化48-51
• 第五章 嵌入式手勢(shì)識(shí)別系統(tǒng)實(shí)現(xiàn)和性能分析51-56
• 第六章 總結(jié)與展望56-58
• 參考文獻(xiàn)58-62
• 詳細(xì)摘要62-63

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 ;新型手勢(shì)識(shí)別技術(shù)可隔著口袋操作手機(jī)[J];電腦編程技巧與維護(hù);2014年07期

2 任海兵,祝遠(yuǎn)新,徐光，

本文編號(hào)：331544