[发明专利]一种基于纠错策略的CNN-SVM混合模型手势识别方法

权利要求书

1.一种基于纠错策略的CNN-SVM混合模型手势识别方法，其特征在于：所述方法首先对采集到的手势数据进行预处理，然后自动提取特征并进行预测分类得到分类结果，最后利用纠错策略对所述分类结果进行纠正;

所述方法包括：

第一步：对采集到的数据进行预处理得到训练样本和测试样本；

第二步：获得CNN-SVM混合模型；

第三步：将测试样本输入到第二步得到的CNN-SVM混合模型中进行训练，得到分类结果以及分类结果的概率估计以及混淆矩阵；

第四步：基于第三步得到的概率估计以及混淆矩阵得到纠错策略，然后利用纠错策略对分类结果进行纠正;

所述第一步的操作包括：

（11）采集静态手势，分别获取手部的深度图像和彩色图像；

（12）对所述深度图像进行处理获得掩模图像；

（13）对彩色图像和掩模图像进行与运算得到粗糙的手势区域图像；

（14）利用贝叶斯肤色模型对所述粗糙的手势区域图像进行肤色分割得到分割后的图像，将分割后的图像分为两部分，一部分作为训练样本，另一部分作为测试样本;

所述第四步的操作包括：

在分类问题中，设为对分类结果为的所有测试样本进行纠错的一个阈值，对于的描述如下：

 (1)

其中，M_i,j表示预测结果为i,但真实值为j的样本所计算出来的均值，M_i是一个j维向量；S_i,j表示预测结果为i,但真实值为j的所有样本的数量，表示预测为类的所有测试样本的数量，代表在所有预测为类的所有测试样本中第个测试样本的概率估计的最大值，代表次大值；表示分类估计中最大值属于的类，表示分类估计中次大值属于的类；

当概率估计满足以下条件时，将概率估计的最大值对应的类修改为次大值所对应的类：

其中表示预测结果为类的概率估计最大值与概率估计次大值的距离，即在数值上等于，表示在混淆矩阵中分类结果为但真实值为的概率。

2.根据权利要求1所述的基于纠错策略的CNN-SVM混合模型手势识别方法，其特征在于：所述步骤（11）中是采用Kinect采集静态手势。

3.根据权利要求1所述的基于纠错策略的CNN-SVM混合模型手势识别方法，其特征在于：所述第二步是这样实现的：用SVM分类器代替CNN分类器的最后的输出层。

4.根据权利要求1所述的基于纠错策略的CNN-SVM混合模型手势识别方法，其特征在于：所述第二步的操作包括：

（21）将所述训练样本输入到CNN分类器的输入层，经过CNN分类器的训练直到训练过程收敛或者达到最大的迭代次数，得到训练好的CNN模型；

（22）：将所述训练样本输入到所述训练好的CNN模型中进行自动特征提取获得训练样本的特征向量；

（23）：将所述训练样本的特征向量输入到SVM分类器中进行二次训练，训练完成后得到CNN-SVM混合模型。

5.根据权利要求2所述的基于纠错策略的CNN-SVM混合模型手势识别方法，其特征在于：所述纠错策略是指：规定一个阈值，根据该阈值将错误的分类结果筛选出来，然后依据实验得出的统计数据，对最终的分类结果进行纠正。