·622- 智能系统学报 第13卷 样本的“19”手势的特征，如表1所示。 对偶树复小波具有平移不变性和方向多样化 的特性，按照对偶树复小波变换进行频域特征提 (e)手势5 取，dtwavexfm:2函数中可以选择4个滤波器，本文 选legall,进行变换分解。 以其中一幅手势图像为例，对偶树复小波特 征提取的结果如下。某一示例图像“1”如图4所 ()手势6 示，其他“2~9”手势特征提取过程相同。 (g)手势7 图4示例图像 (h)手势8 Fig.4 Sample image 经过分解后的结果如图5所示。 ()手势9 图3“1~9”手势图像及分割检测图像 Fig.3 "1~9"gesture image and split detection image 场场9 按照前文给出的公式，计算空域特征，包括位 图5分析结果 置、长宽比、矩形度、Hu矩的7个分量。取某一 Fig.5 Results of the analysis 表1某一样本“1~9”手势的特征提取 Table 1 The feature extraction of a sample "1~9"gesture 特征 3 6 7 P 9 水平位置 91.17 111.32 145.21 144.29 126.43 114.07 136.97 129.64 119.11 竖直位置 180.70 199.94 209.10 216.43 216.43 185.29 157.81 169.26 170.17 长宽比 0.49 0.55 0.71 0.72 0.86 0.71 1.15 1.15 0.53 矩形度 0.55 0.55 0.43 0.50 0.47 0.63 0.56 0.48 0.62 Hul -0.64 -0.56 0.56 -0.60 -0.61 -0.71 -0.72 -0.71 -0.64 Hu2 -1.75 -1.51 -1.62 -1.75 -2.29 -2.35 -2.03 -2.25 -1.72 Hu3 -2.23 -2.27 -2.90 -2.74 -3.15 -3.29 -3.25 -3.20 -2.80 Hu4 -2.57 -2.50 -3.02 -3.35 -3.03 -3.65 -4.29 -3.59 -3.46 Hu5 -4.47 -4.61 -5.85 -6.44 -5.81 -7.68 -7.36 6.56 -6.24 Hu6 -3.45 -3.26 -3.85 -4.35 4.17 -_4.90 -5.39 -5.01 -4.46 Hu7 -5.48 -5.46 -6.20 6.94 -8.61 6.70 -7.50 6.85 -7.53 选取高频分量输出的16×16矩阵，作为该手 分类精度。 势图像的特征参数，方便计算，将该矩阵进行归 3.2BD-SVM识别结果 一化处理，然后，取主对角线元素作为特征，共计 本节主要测试手势“1~9”的识别效果。利用 16个分量。 BD算法优化训练样本，设置BD-SVM的比例系 对于每个样本，将空域特征的11个分量与频 数1为0.3，然后，将新的训练样本作为SVM训练 域的16个分量进行融合，组成新的矢量，则新矢 集，最后，选取线性核函数、多项式核函数和径向 量的维度为27，然后，以60个样本作为训练集， 基核函数分别进行实验。y设置为01，惩罚参数 输入分类器中训练，30个样本预测集，用于验证 设置为10，具体实验结果如下所示。按照前文给出的公式，计算空域特征，包括位 置、长宽比、矩形度、Hu 矩的 7 个分量。取某一 样本的“1~9”手势的特征，如表 1 所示。 对偶树复小波具有平移不变性和方向多样化 的特性，按照对偶树复小波变换进行频域特征提 取，dtwavexfm2 函数中可以选择 4 个滤波器，本文 选 legall，进行变换分解。 以其中一幅手势图像为例，对偶树复小波特 征提取的结果如下。某一示例图像“1”如图 4 所 示，其他“2~9”手势特征提取过程相同。 图 4 示例图像 Fig. 4 Sample image 经过分解后的结果如图 5 所示。 图 5 分析结果 Fig. 5 Results of the analysis 选取高频分量输出的 16×16 矩阵，作为该手 势图像的特征参数，方便计算，将该矩阵进行归 一化处理，然后，取主对角线元素作为特征，共计 16 个分量。 对于每个样本，将空域特征的 11 个分量与频 域的 16 个分量进行融合，组成新的矢量，则新矢 量的维度为 27，然后，以 60 个样本作为训练集， 输入分类器中训练，30 个样本预测集，用于验证 分类精度。 3.2 BD-SVM 识别结果 本节主要测试手势“1~9”的识别效果。利用 BD 算法优化训练样本，设置 BD-SVM 的比例系 数 t 为 0.3，然后，将新的训练样本作为 SVM 训练 集，最后，选取线性核函数、多项式核函数和径向 基核函数分别进行实验。γ 设置为 0.1，惩罚参数 设置为 10，具体实验结果如下所示。 表 1 某一样本“1~9”手势的特征提取 Table 1 The feature extraction of a sample “1~9” gesture 特征 1 2 3 4 5 6 7 8 9 水平位置 91.17 111.32 145.21 144.29 126.43 114.07 136.97 129.64 119.11 竖直位置 180.70 199.94 209.10 216.43 216.43 185.29 157.81 169.26 170.17 长宽比 0.49 0.55 0.71 0.72 0.86 0.71 1.15 1.15 0.53 矩形度 0.55 0.55 0.43 0.50 0.47 0.63 0.56 0.48 0.62 Hu1 –0.64 –0.56 –0.56 –0.60 –0.61 –0.71 –0.72 –0.71 –0.64 Hu2 –1.75 –1.51 –1.62 –1.75 –2.29 –2.35 –2.03 –2.25 –1.72 Hu3 –2.23 –2.27 –2.90 –2.74 –3.15 –3.29 –3.25 –3.20 –2.80 Hu4 –2.57 –2.50 –3.02 –3.35 –3.03 –3.65 –4.29 –3.59 –3.46 Hu5 –4.47 –4.61 –5.85 –6.44 –5.81 –7.68 –7.36 –6.56 –6.24 Hu6 –3.45 –3.26 –3.85 –4.35 –4.17 –4.90 –5.39 –5.01 –4.46 Hu7 –5.48 –5.46 –6.20 –6.94 –8.61 –6.70 –7.50 –6.85 –7.53 (e) 手势5 (f) 手势6 (g) 手势7 (h) 手势8 (i) 手势9 图 3 “1~9”手势图像及分割检测图像 Fig. 3 "1~9" gesture image and split detection image ·622· 智 能 系 统 学 报 第 13 卷