【发布时间】:2013-04-06 21:51:13
【问题描述】:
我有一个概念问题。我正在创建一个使用 Kinect 进行手势识别的程序。我有一些按类别划分的手势数据(圆圈、滑动等)。现在我只分析一只手。我记录所有帧 (30fps)。
(*) 为了使我的数据离散且与位置无关,我计算了连续点之间的角度。
现在我想为每种手势类型创建hidden Markov models。
现在我需要为我的HMM 确定多个状态。怎么做?我想找到最长的手势(及时)。例如。我有 3 个手势,第一个 1,2s,第二个 1,4s 和第三个 1,5s。所以1,5s 是最长的。现在我想每 250 毫秒(一秒内 4 个样本)为每个帧应用 (*)。因为我最长的手势是1,5s 长,所以NumberOfStatesForHMM = 1500ms / 250ms = 6 states - 这应该是最优化的?
我不确定我应该如何为HMM 定义状态:/ 如果我上面的想法是正确的,那么当有(例如)6 个状态并且一个手势在1s 之后结束时如何计算转换概率,所以我分析 4 个状态(状态 4 到 5 和 5 到 6 的转换概率等于 0?)。
我阅读了THIS 论文,但我不太确定如何解决我的问题...
【问题讨论】:
标签: c# algorithm kinect gesture-recognition hidden-markov-models