基于隐马尔可夫模型的手部运动识别
基于隐马尔可夫模型的手部运动识别
提问于 2013-06-16 03:14:05
我正在为我的最终辅助做手运动识别项目，我的代码的核心是隐马尔可夫模型。一些文件说，我们首先需要检测对象，然后进行特征提取，然后使用HMM来识别运动，
我使用的是openCV，我用haar clasifier做了手检测，我用c++编写了hmm代码，但是我遗漏了一些东西：
- 我不知道如何将Haar子句与HMM集成
- 如何从检测到的手(haar clasifier)中进行特征提取？
- 我知道我们应该首先训练运动识别的HMM，但是我不知道如何训练运动数据，我应该使用什么样的数据？如何准备数据？我在哪里可以找到它们，或者如何收集它们？
- 如果我在google上搜索，有人说HMM运动识别和HMM语音识别有相似之处，但我搞不懂哪一部分是相似的？
如果我做错了，请有人告诉我，给我建议我该怎么做
请教我，师父
回答 1
Stack Overflow用户
发布于 2013-06-16 03:40:23
据我理解：
1) haar用于检测静态对象，这意味着它在图像帧内工作。
2) HMM用于时态特征的识别，这意味着它跨帧工作。
所以你要做的是首先跟踪手，得到手的特征，然后用嗯训练手势动作。
在特征方面，最幼稚的是“逐像素”特征。你只要把所有像素的强度放在一起。在此之后，需要进行维数约简，例如PCA。
在此基础上，利用隐马尔可夫模型将特征离散成簇，用离散状态序列对模型进行训练，然后预测出每个组的特征序列的概率。
备注
这不是一个标准的手势识别程序。然而，对于您的“最终项目”来说，这是相当天真的。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/17129847
复制相关文章
相似问题
腾讯云开发者
