Question

我正在研究使用Kinect传感器进行手势识别的解决方案。现在我正在使用Accord .NET来训练HMM。我有一个保存手势的数据集。该数据集有11个手势，每个手势有32个帧，保存18个点。

所以我有一个（双[12] [32,18]）输入数据集和一个（int [12]）输出数据集，但当我这样做时： double error = teacher.Run（inputSequences，output），它给出了这个：“指定的参数超出了有效值的范围。”

有谁知道如何解决这个问题？应该在使用它之前对数据集进行处理o在hmm教师上还是数据集是这样的吗？

Answer 1

我过去使用过Accord.NET，它确实是HMM引擎的最佳实现之一。然而，当我训练我的HMM时，我将HMM参数（即PI，A和B）传递给Baum Welch教师，其输入数据集使用有组织的excel表提供。（类似于雅阁的作者自己在他的项目中使用的）。我不知何故觉得，由于您将数据集存储为多维数组并直接将其提供给教师，因此无法正确处理它。也许您可以一次提供一个手势记录或完全更改数据集的存储结构。如果您还没有，我建议您浏览整个雅阁的例子，因为它对我来说效果很好。

Answer 2

问题可能是教学算法希望训练序列采用 double[12][32][18] 的形式，而不是 double[12][32,18] 。训练数据应该是多变量点序列的集合。还需要注意的是，如果你有11种可能的手势类，int[12]数组中给出的整数标签应该只包含0到10之间的值。

因此，如果您有12个手势样本，每个样本包含32个帧，并且每个帧是18个点的向量，您应该向教师提供包含观察结果的double[12][32][18]数组和int[12]包含预期类标签的数组。

从HiddenMarkovClassifierLearning documentation page中提取的以下示例应该有助于了解如何组织向量！

// Create a Continuous density Hidden Markov Model Sequence Classifier 
// to detect a multivariate sequence and the same sequence backwards. 

double[][][] sequences = new double[][][]
{
    new double[][] 
    { 
        // This is the first  sequence with label = 0 
        new double[] { 0, 1 },
        new double[] { 1, 2 },
        new double[] { 2, 3 },
        new double[] { 3, 4 },
        new double[] { 4, 5 },
    }, 

    new double[][]
    {
            // This is the second sequence with label = 1 
        new double[] { 4,  3 },
        new double[] { 3,  2 },
        new double[] { 2,  1 },
        new double[] { 1,  0 },
        new double[] { 0, -1 },
    }
};

// Labels for the sequences 
int[] labels = { 0, 1 };

在上面的代码中，我们设定了2个观测序列的问题，其中每个序列包含5个观测值，其中每个观测值由2个值组成。如您所见，这是一个双[2] [5] [2]数组。类标签数组由int [2]给出，仅包含0到1之间的值。

现在，为了使示例更加完整，我们可以使用以下代码继续创建和训练模型：

var initialDensity = new MultivariateNormalDistribution(2);

// Creates a sequence classifier containing 2 hidden Markov Models with 2 states 
// and an underlying multivariate mixture of Normal distributions as density. 
var classifier = new HiddenMarkovClassifier<MultivariateNormalDistribution>(
    classes: 2, topology: new Forward(2), initial: initialDensity);

// Configure the learning algorithms to train the sequence classifier 
var teacher = new HiddenMarkovClassifierLearning<MultivariateNormalDistribution>(
    classifier,

    // Train each model until the log-likelihood changes less than 0.0001
    modelIndex => new BaumWelchLearning<MultivariateNormalDistribution>(
        classifier.Models[modelIndex])
    {
        Tolerance = 0.0001,
        Iterations = 0,

        FittingOptions = new NormalOptions()
        {
            Diagonal = true,      // only diagonal covariance matrices
            Regularization = 1e-5 // avoid non-positive definite errors
        }
    }
);

// Train the sequence classifier using the algorithm 
double logLikelihood = teacher.Run(sequences, labels);

现在我们可以测试模型，断言输出类标签确实符合我们的预期：

// Calculate the probability that the given 
//  sequences originated from the model 
double likelihood, likelihood2;

// Try to classify the 1st sequence (output should be 0) 
int c1 = classifier.Compute(sequences[0], out likelihood);

// Try to classify the 2nd sequence (output should be 1) 
int c2 = classifier.Compute(sequences[1], out likelihood2);

C＃HMM手势识别使用Kinect

2 个答案: