- 本分代码是课程论文的实现代码。
- 论文会放到个人博客
https://pealing.github.io/
- 新手上路,还望多交流、指正、批评
- 图片数据来源:
http://www.massey.ac.nz/~albarcza/gesture_dataset2012.html
- TXT数据是利用C++程序"手势分割代码",将图片数据集进行分割和特征点提取后得到的特征参数文本
- TXT数据命名
- HandPractice_add_x(HandTest_add_x):为20个特征点的数据集,x代表0~5的数字手势
- HandPractice_t_x(HandTest_t_x):为5个特征参数(4个HU矩 + 轮廓的周长和面积比),x代表0~5的数字手势
需要进行分类的特征参数个数。(0-7或0-5)
* 是C++和OPENCV基于VS2012下完成的
* 功能:预处理 + 手掌分割 + 特征提取
* 之后有时间可能会将各个代码改写为python,并和分类效果最好的SVM一起合成一份代码
* 代码算法详解也会在随后写到博客中
* 不过这一切随后可能要等到我考完试&作为个小菜比把博客弄好了
- 输出各测试样本+分类结果+加各类型手势错误率
- 输出ROC曲线即其AUC值。(详见代码备注)
- 输出各测试样本+分类结果+加各类型手势错误率
- 输出ROC曲线即其AUC值。
- 输出各特征参数的Parzen窗(详见代码备注)
给出分类效果,这里用的是sklearn中的SVM函数,可以自行更改核函数查看实验结果。