使用隐马尔可夫模型的手部动作识别

Posted 2023-03-16

【中文标题】使用隐马尔可夫模型的手部动作识别

【英文标题】：hand motion recognition using Hidden Markov Model

【发布时间】：2013-06-12 08:43:48

【问题描述】：

我正在为我的期末作业做手部动作识别项目，我的代码的核心是隐马尔可夫模型一些论文说我们首先需要检测对象，进行特征提取然后使用HMM来识别动作，

我正在使用openCV，我已经使用haar clasifier完成了手部检测，我已经使用c ++准备了hmm代码，但是我错过了一些东西：

我不知道如何将 Haar Clasifier 与 HMM 集成 如何从检测到的手（haar 分类器）中执行特征提取？ 我知道我们应该首先训练 HMM 进行动作识别，但我不会如何训练动作数据，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如何收集它们？ 如果我在google上搜索，有人说HMM动作识别与HMM语音识别有相似之处，但我混淆了哪个部分相似？

如果我做错了，请告诉我，给我建议我应该怎么做

请教我，大师

【参考方案1】：

据我了解：

1) haar 用于检测静态对象，即在一帧图像内工作。

2) HMM 用于识别时间特征，这意味着它可以跨帧工作。

所以你要做的事情是首先跟踪手，获取手的特征并在 HMM 中训练手势运动。

至于特征，最幼稚的就是“逐像素”特征。您只需将所有像素的强度放在一起。在此之后，需要进行降维，例如 PCA。

之后，使用 HMM 的一种方法是将特征离散化为簇，并使用离散状态序列训练模型，然后预测给定特征序列属于每个组的概率。

注意

这不是标准的手势识别程序。但是，对于您的“最终项目”来说，这很幼稚。

【讨论】：

如果我们逐帧工作，这意味着我应该使用图像序列作为数据训练，对吧？

没错。这就是 haar 和 HMM 的连接方式。