《表1 不同取帧条件下的运动趋势分类算法对比》

  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

《基于视频数据特性的动态手势识别》

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

在得到手势的运动趋势序列后，为了能够与手型特征融合得到动态手势的预测类别，需要使用分类器获取运动趋势的类别概率．对比了k最近邻（KNN，k-nearest neighbor）、朴素贝叶斯（NB，naive Bayes）、MLP、RF、SVM五种分类器对手势运动趋势的分类效果，如表1所示．可见在取不同帧数时，RF分类器对运动趋势的分类效果都是最优的．这是因为RF在训练过程中能够检测到特征之间的影响，并且算法拥有很强的抗干扰性，对于不平衡数据集来说，RF也能够平衡误差，通过平均决策树降低过拟合的风险．因此，采用RF对动态手势的运动趋势et进行分类，可得到et在类别Ct的运动趋势类别概率Pt（Ct|et）.