使用 SVM（支持向量机）的手语手势识别答案

【问题标题】：Hand gesture recognition for sign language using SVM (Support Vector Machine)使用 SVM（支持向量机）的手语手势识别
【发布时间】：2012-07-26 08:11:33
【问题描述】：

我是一名学生，被分配去做一个手语翻译项目。我已经完成了所有的分割和形态学操作。此外，是时候对手势进行分类了，我浏览过不同的期刊。我毫不怀疑哪些特征适合满足我的分类。我选择 C# 作为编程语言并选择 SVM Classifier 进行分类。请列出一些可能的功能。如果可能的话，用完整的数学记录。

我发现的功能：形状描述符，如纵横比、圆形度、展开度 Hu - 变体和矩特征

我最近发现图像的重新调整大小和标准化是在特征提取之前完成的。他们建议的算法如下：

调整为特定分辨率，例如 100*100
垂直对齐到图像的第一主成分。
最后，重建适合图像的边界框。

我怀疑如果手指对齐会怎样。 如果训练手指与手掌主轴呈 45 度对齐且长度为 10 个单位，如果测试数据显示为对齐而不是 45 度和 5 个单位长怎么办？？

和遇到的特征：手指计数和主成分分析（PCA）。但是 PCA 的物理意义是什么？

【问题讨论】：

一个有趣的问题；但 SO 并非旨在回答诸如“列出一些可能的功能”之类的开放式讨论。你说你调查过，知道什么“……满足我的分类”。愿意分享一些信息吗？如果您有具体问题，我们可以尝试提供帮助，但我们无法为您进行研究。
这是一个活跃的话题，我相信你会找到很多关于这个话题的文献，你可以用谷歌搜索它们。阅读它们并尝试他们使用的功能。如果它有效，请在此处分享它作为答案，以便未来的人受益。

标签： c# image-processing gesture-recognition feature-extraction human-computer-interface

【解决方案1】：

最后，我选择了HU-Moment 特征来进行手势识别，因为它是平移、旋转和缩放不变，已被证明。对于SVM 部分，我在JAVA 和C++ 中选择SVM.NET 包装器C++ 作为C# 作为编程语言

【讨论】：

【解决方案2】：

一类非常强大的特征是傅立叶描述符。为曲线提取这些特征。这些特征计算速度很快，并且在比例、平移和方向方面是不变的。

有关如何计算这些值的详细信息，请访问：http://demonstrations.wolfram.com/FourierDescriptors/

多项研究表明傅立叶描述符对形状分析的有用性。一项这样的研究是 “2D 形状分类中自回归和基于傅立叶的描述符的实验比较”，H Kauppinen、T Seppanen…… - 模式分析和……，1995 年

【讨论】：