Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Path Following of Autonomous Agents Under the Effect of Noise Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Hand Gesture Recognition Based on Multi Feature Fusion

verfasst von : Hongling Yang, Shibin Xuan, Yuanbin Mo

Erschienen in: Advances in Swarm Intelligence

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In view of the influence of complex and changeable gestures on recognition, a gesture recognition method based on multi feature phase fusion is proposed. Firstly, the skeleton feature and contour feature of the gesture area are extracted. Then the feature fusion method is used to obtain the fusion features of the gestures. Finally, support vector machine, decision tree, random forest and convolution neural network are used to recognize the skeleton feature, contour feature and fusion feature of gesture area respectively. The results show that under different data sets, gesture recognition based on multi feature fusion improves the recognition accuracy by 2% compared with single feature recognition algorithm, reaching 98.57%.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Engineering Character Recognition Algorithm and Application Based on BP Neural Network
Nächstes Kapitel Application of SVDD Single Categorical Data Description in Motor Fault Identification Based on Health Redundant Data
Literatur
1.
Stergiopoulou, E., Papamarkos, N.: Hand gesture recognition using a neural network shape fitting technique. Eng. Appl. Artif. Intell. 22, 1141–1158 (2009)CrossRef
2.
Li, J., Ruan, Q.Q.: Research on gesture recognition based on neural network. Journal of Beijing Jiaotong University (2006)
3.
Liu, Y., Yin, Y., Zhang, S.: Hand gesture recognition based on HU moments in interaction of virtual reality. In: International Conference on Intelligent Human-Machine Systems and Cybernetics. IEEE (2012)
4.
Dong, L., Ruan, J., Ma, Q., et al.: Application of gesture recognition and machine, micro. invariant moments and support vector machine (2012)
5.
Sui Yunheng, Guo Yuan Fusion of Hu moments and BoF-SURF support vector machines for hand gesture recognition [J]. computer application research, (2014)
6.
Morton, P.R., Fix, E.L., Calhoun, G.L.: Hand gesture recognition using neural networks (1996)
7.
Wang, L., Liu, H., Wang, B., Li, P.: Computer engineering and application combined with skin model and convolution neural network gesture recognition method (2016)
8.
Xiaowen, F., Hua, Z.: Research on gesture recognition based on convolution neural network. Microcomput. Appl. (2016)
9.
Sukittanon, S., Surendran, A.C., Platt, J.C., et al.: Convolutional networks for speech detection. In: INTERSPEECH 2004 - ICSLP, International Conference on Spoken Language Processing, Jeju Island, Korea. DBLP, October 2004
10.
Chen, Y.N., Han, C.C., Wang, C.T., et al.: The application of a convolution neural network on face and license plate detection. Pattern Recognit. (2006)
11.
Lauer, F., Suen, C.Y., Bloch, G., et al.: A trainable feature extractor for handwritten digit recognition. Pattern Recognit. (2007)
12.
Sun, Y., Wang, X., Tang, X.: Deep convolutional network cascade for facial point detection. In: Computer Vision and Pattern Recognition(CVPR) (2013)
13.
Stergiopoulou, E., Papamarkos, N.: Hand gesture recognition using a neural network shape fitting technique. Eng. Appl. Artif. Intell. (2009)
14.
Cai, J., Cai, J., Liao, X., et al.: The application of hand gesture recognition based on convolution neural network. Comput. Syst. Appl. (2015)
Metadaten
Titel
Hand Gesture Recognition Based on Multi Feature Fusion
verfasst von
Hongling Yang
Shibin Xuan
Yuanbin Mo
Copyright-Jahr
2018
Buch
Advances in Swarm Intelligence

Print ISBN: 978-3-319-93817-2

Electronic ISBN: 978-3-319-93818-9

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-93818-9_37