我有一组映射到[0, 1] 段的3D 点。这些点代表简单的手势，如圆圈、挥手等。现在我想使用Hidden Markov Models 来识别我的手势。第一步是为(X, Y, Z) 数据提取特征。我试着搜索一些有用的东西，发现了几个例子：SIFT、SURF、某种Fast Fourier Transform等等。
我很困惑我应该在我的项目中使用哪一个。我想使用来自 Kinect 控制器的数据来识别手势，所以我不需要通过算法跟踪关节。
【问题讨论】：
标签： c# algorithm kinect gesture-recognition feature-extraction
一两年前，为了一篇关于不同机器学习方法的论文，我不得不实施 HMM 来进行手势识别。我遇到了Accord .NET Framework，它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，并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，它会在身体部位静止 3 秒后开始记录手势，然后将所有点记录到输出文件中，直到所述部位再次停止 3 秒。然后，我选择了我想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，我建议您可以研究一下模板匹配，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.
【讨论】：
我正在解决类似的问题。到目前为止，我找到的最好的材料是 David Ctuhe 的 Kinect Toolbox。有一些用于手势识别、Kinect 数据记录和回放的基本代码。
您可以从这里开始阅读：http://blogs.msdn.com/b/eternalcoding/archive/2011/07/04/gestures-and-tools-for-kinect.aspx
【讨论】：
HMM-based 手势识别中使用。我将不胜感激:)
您是否考虑过 [经过训练的] 支持向量机？
参见：LibSVN 库http://www.csie.ntu.edu.tw/~cjlin/libsvm/
我们的想法是将您的手势定义为一个 n 维训练问题。然后简单地训练每个手势（多分类 SVM）。训练后，您可以将任何用户手势映射为 N 维向量，并尝试使用训练后的模型对其进行分类。
【讨论】：