《表5 三种算法性能对比：基于HOG特征与手部多特征信息融合的静态手势识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于HOG特征与手部多特征信息融合的静态手势识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证本次实验的鲁棒性，用实验训练集与测试集对单独提取HOG特征的手势识别以及融合HOG特征与Hu特征的手势识别进行实验对比，三种算法性能对比如表5所示，三种算法平均识别率对比图如图9所示，部分预测结果可视化如图10所示。由表5与图9可以看出，融合了HOG特征与手部多特征的平均识别率达到了96%，明显高于单独提取HOG特征的手势识别，说明提取手部多特征并与HOG特征融合能够一定程度上弥补单独提取HOG特征的不足，也说明基于单一特征的手势识别方法不能保证手势识别的准确性。相比于融合HOG特征与Hu不变矩，本文方法识别率更高，说明本文方法在不同角度因素下有良好的鲁棒性，同时本文方法相比于前两种方法运行时间最短，具有更好的实时性。