0

我目前正在研究動態手勢識別系統。我選擇了手形的曲率特徵。目前我能夠獲得手部輪廓曲率的角度列表。使用隱馬爾可夫模型的手形分析

問題是我被困在接下來應該做什麼。在我發現的大量文獻中可以找到很少的信息。在將處理後的輸出傳遞給隱馬爾可夫模型進行分類之前,應該對每個手勢/姿勢的這組角度進行「處理」。

但是這個過程應該包括什麼?我遇到了: 傅立葉變換,B樣條和很多函數,但我不知道如何將這組角度(例如-23,90,45,156,...)傳遞給這些函數。

謝謝你的耐心等待。

下面是一個顯示哪個階段我迄今所取得的圖片:

enter image description here

+1

你對HMM分類有什麼用? (只需添加註釋以獲得改進通知:]) – berak 2013-03-21 16:04:04

+0

謝謝。我是計算機視覺和機器學習的新手。你能解釋一下你的問題嗎? 如果你的意思是作爲一個工具,我遇到了Jahmm - 一個基於java的HMM方法。這很有趣,但考慮到我對這個領域非常陌生,所以沒有太多的支持! – test 2013-03-21 16:06:40

+1

是的,我的意思是,謝謝澄清 – berak 2013-03-21 16:12:36

回答

1

你能解釋一下你是如何獲得這些角度?你可以將連續的角度組合在一起,並且可以以某種方式將它們聯繫起來:例如通過減去它們或者以某種方式處理它們來找出哪些手指已經被打開/關閉或者找到手朝向的方向。例如,假設手掌的質心位於一幀中的(x,y)處,另一幀中的(a,b)處於質心處。然後你可以減去這些來找出你的手朝向的方向。

現在,由於您已經找到了手部輪廓曲率的角度,因此您可以獲得不同點的數量和角度的變化。通過對連續的角度進行配對並找到輪廓上的點數,您可以嘗試並檢測哪些手指已打開,哪些已關閉。如果您嘗試進行指尖檢測,請查看凸面算法算法。但是既然你說你的手勢是動態的,那麼這意味着你的手在執行某個手勢時不斷在空間中移動。請澄清這一點。處理完成後,結果應形成觀察序列,作爲HMM的輸入。

+0

我設法解決這個問題,通過計算從手的前一個質心到當前質心的角度。然後,我矢量量化角度,我已經成爲上下左右,並形成一系列的觀察HMM,如:左左左下左 – test 2013-04-22 13:15:49

+1

是的,這是一個很好的方法。與我最初嘗試過的東西類似。我希望它適合你:) – 2013-04-22 17:38:48