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/