我有一组 3D 点映射到 [0, 1] 段上。这些点代表简单的手势，如画圈、挥手等。现在我想使用 Hidden Markov Models 来识别我的手势。第一步是提取 (X, Y, Z) 数据的特征。我试图搜索一些有用的东西，并找到了几个例子:SIFT、SURF、某种快速傅里叶变换等。
我很困惑应该在我的项目中使用哪一个。我想使用来自 Kinect Controller 的数据识别手势，因此我不需要通过算法跟踪关节。
最佳答案
一两年前，为了一篇关于不同机器学习方法的论文，我不得不实现 HMM 进行手势识别。我遇到了Accord .NET Framework这有助于实现我正在研究的许多内容，包括 HMM。它相当容易使用，而且它的创建者在论坛上很活跃。
为了训练 HMM，我创建了一个 Kinect 应用程序，它会在 body 部位静止 3 秒后开始记录手势，然后将所有点记录到输出文件中，直到该部位再次停止 3 秒。然后，我选择了我想要训练的手势的最佳尝试，并将它们用作我的训练集。
如果您是 Kinect 手势识别的新手并且不需要使用 HMM，我建议您看看模板匹配，因为它要简单得多，而且我发现它对于简单的手势非常有效.
关于c# - 基于 Kinect 数据的 HMM 3D 手势识别特征提取，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15087372/