[发明专利]一种基于支持向量机和神经网络优化的手势识别方法

摘要

本发明涉及智能穿戴式设备识别技术领域，更具体地，涉及一种基于支持向量机和神经网络优化的手势识别方法。包括以下步骤：首先进行手势数据的采集；接着对获取的手势数据预处理；然后进行手势的特征提取；经过多模态融合，确定理想的特征结构，生成多模态融合特征向量用于预测模型；最后采用支持向量机(SVM)和优化的神经网络作为预测算法进行手势模型的判断。本发明通过多模态融合和神经网络预测模型的数据手套预测系统，有效提高了识别速度，加快训练效果，减少了时间成本；本发明能有效提高了预测的有效性和可靠性。

主权项

1.一种基于支持向量机和神经网络优化的手势识别方法，其特征在于，包括以下步骤：/nS1.手势数据采集，利用可穿戴式设备--数据手套对手套操控者的手势运动进行数据采集，并且在做每个静态动作时稍微的移动以产生噪声；/nS2.数据预处理，为了保证神经网络的输入输出值，将数据手套各个传感器采集到的样本数据[X₀,Y₀]进归一化处理，将数据映射到[0,1]区间，得到网络的训练样本[X,Y]；然后进行数据滤波处理，为了去掉噪声和提高识别算法精度，将归一化后的数据进行滤波处理；/nS3.进行手势特征提取，提取每一种手势的手型特征并表示出来，结合特征点集确定出适合做静态手势的手势模板，为后面手势识别判断手势做准备工作；/nS4.构建多模态融合，计算手指和手掌的位置空间特征、速度和加速度的时间特征、手指相邻耦合特征，将这三种不同特征通道的组合形成多模态融合；/nS5.通过多模态融合，确定理想的特征结构；/nS6.构建多层感知器神经网络和多类支持向量机相结合，形成预测算法；/nS7.将待识别的手势数据输入到多模态融合和神经网络预测模型的数据手套预测系统，预测手势模型。/n