# 支持向量机+hog特征实现手势识别

本文介绍了如何使用MATLAB结合支持向量机(SVM)和HOG特征实现手势识别。首先回顾了SVM和HOG特征的基础知识,然后详细讲解了MATLAB中imageDatastore函数的用法,以及如何提取HOG特征。通过fitcecoc进行多分类,最终得到0.0806的oosLoss,表明分类效果良好。文章还提及了将MATLAB模型转换为.yml文件以供OpenCV使用的方法,并展望了未来可能涉及的实时视频处理和GPU加速。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

SVM+hog特征实现手势识别

上一篇写到了SVM, 自己也花了大量的时间去看了原理。。。但总觉得没有示例的话还是有点虚。同时也一直想要做一个手势分类的项目玩。那趁自己还没有忘记,赶紧把项目给搞了,顺带巩固一下知识。使用MATLAB实现。

前提知识:

需要了解:

hog特征:https://blog.youkuaiyun.com/yuanjiteng/article/details/99608311

SVM分类的基本原理:https://blog.youkuaiyun.com/yuanjiteng/article/details/99413090

MATLAB使用到的函数解析:

1. imageDatastore

imageDatastore:imds = imageDatastore('./images', 'IncludeSubfolders', true, 'labelsource', 'foldernames')

创建一个图像数据储存体以处理图像集

其中第一个属性可以是文件名,可以是图片文件夹路径,可以是所有文件

第二个参数:‘IncludeSubfolders’ 是否包括子文件夹 、true/false 子文件夹递归/不递归(recusively)

参数:FileExtensions’,EXTENSIONS 要包括的文件的扩展名,比如“.png”,".jpg"

参数:‘ReadSize’,READSIZE 调用读取函数时要读取的图像文件数。默认情况下,读取大小为 1。

参数:‘LabelS

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值