当我们需要进行手势识别时,我们应该为每个手势训练几个HMM。然后,当我们需要对手势进行分类时,我们计算每个 HMM 的序列概率,并选取可能性最高的那个
但是,当我们需要对序列中的多个手势进行分类并且我们不知道如何对多个手势进行分段以对单个手势采取相同的方法时该怎么办
那么我们如何进行序列分类呢?隐马尔可夫模型合适吗?还有其他方法吗?
谢谢
最佳答案
NLP 通常通过实时解释来实现这一点。设置匹配阈值;当一系列 Action 解析为一个独特的手势并且达到阈值时,您会将其解释为一个手势。
描述起来很简单。在实践中,有很多反馈,特别是如果某些手势是其他手势的子集,或者匹配并不像我们希望的那么清晰。
如果你想使用 HMM,你可以在使用终端状态标记进行一些训练后为其播种吗?
关于machine-learning - 使用隐马尔可夫模型进行连续手势识别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34343431/