基于嵌入式Linux系统手势识别方法

摘要

本发明提供的一种能够提高手势识别的识别率的基于嵌入式Linux系统手势识别方法，具有以下步骤：步骤一为通过在嵌入式核心板中进行u-boot移植、进行Linux系统裁剪与移植、进行根文件系统制作搭建嵌入式Linux系统；步骤二为通过图像采集部采集到至少一种手势的图片；步骤三为通过图像处理部将图片转换为灰度图像并对图片进行降噪和锐化处理形成预处理图片；步骤四为对预处理图片进行特征提取得到七个矩，将七个矩中的前四个矩作为特征参数组成一个四维的特征向量，作为后面分类器的训练数据；以及步骤五为将提取到的特征向量作为样品数据输入到支持向量机中，对支持向量机进行训练和测试评分，选择得分最高的子分类器对应的类别作为手势的类别。

主权项

一种能够提高手势识别的识别率的基于嵌入式Linux系统手势识别方法，具有以下步骤：步骤一，通过在嵌入式核心板中进行u‑boot移植、进行Linux系统裁剪与移植、进行根文件系统制作搭建所述嵌入式Linux系统；步骤二，通过图像采集部采集到至少一种所述手势的图片；步骤三，通过图像处理部将所述图片转换为灰度图像并对图片进行降噪和锐化处理形成预处理图片；步骤四，对所述预处理图片进行特征提取得到七个矩，将所述七个矩中的前四个所述矩作为特征参数，对于图像f(i,j)，其(p+q)阶中心距为${\mu }_{\mathrm{pq}}=\underset{(i,j\in R)}{\Sigma }\Sigma {(i-\bar{i})}^p{(j-\bar{j})}^q(i,j)$归一化的中心矩为η_pq＝μ_pq/μ₀₀^r，其中r＝(p+q)/2+1h₁＝η₂₀+η₀₂h₂＝(η₂₀‑η₀₂)²+4η₁₁²h₃＝(η₃₀‑3η₁₂)²+(3η₂₁‑η₀₃)²h₄＝(η₃₀+η₁₂)²+(η₂₁+η₀₃)²将h₁、h₂、h₃和h₄组成一个四维的特征向量，作为后面分类器的训练数据；以及步骤五，将提取到的所述特征向量作为样品数据输入到支持向量机15(SVM分类器)中，对预定数量N的所述手势进行分类时，对所述预定数量N(N≥2)的所述手势进行两两分类需构造出[N×(N‑1)]/2倍于所述手势的所述预定数量N的子分类器，在构造第一类别和第二类别的子分类器时，选取属于第一类别和第二类别的样本数据作为训练样本，并将属于第一类别的数据样本标记为“1”，属于第二类别的数据标记“0”，对于任意一个所述手势采样N遍(N＞0且为偶数)构成样品数据，取前N/2个构成训练集，后N/2个构成测试集，在构造所述手势相对应的所述对应子分类器时，选择出与该手势相对应的所述样品数据及与该手势相对应的所述训练集，且对所选择的所述样品数据和所述训练集进行相比较，训练所述对应子分类器，训练完成后用与该手势相对应的所述测试集对所述对应子分类器进行测试评分，选择得分最高的所述子分类器对应的类别作为所述手势的类别。