如今,稀疏表示分类(SRC)已广泛应用于各种计算机视觉领域,例如人脸识别。 但是,很少有研究人员将SRC应用到静态手势识别中。 在本文中,我们建议采用基于显着性的特征和稀疏表示进行手势识别,并对稀疏项参数和稀疏系数计算进行深入研究。 另外,文献表明,SRC不能很好地处理非线性特征,可能会产生较差的识别结果,因此,我们建议使用直方图相交核函数将原始特征映射到核特征空间中,并在核特征中使用稀疏表示分类空间。 此外,我们将SR与支持向量机(SVM),人工神经网络(ANN),贝叶斯网络(BN)和决策树(DT)进行了比较。 最后,实验结果表明,使用lls_featuresign算法获得的识别率比ll_ls算法更高,并且稀疏表示优于其他所有分类器。 此外,还对不同内核功能和不同功能进行了性能比较。 直方图相交核对基于显着性的特征的平均识别率为98.91%,表明所提出的基于显着度的特征与直方图相交核的有效性。