手势/姿势识别的特征提取方法

Question

我目前正致力于手语识别应用程序，我希望使用隐马尔可夫模型作为分类阶段，这意味着我将对手势/姿势进行分类以获得相关的字母或单词。

我目前已经完成了第一阶段的检测。目前，我可以获得一些参数（功能），我可以将其用于我的机器学习阶段，例如：

• 手的凸壳
• 凸性缺陷
• 手的质心
• 边界旋转的椭圆/矩形（例如，获得旋转所需的任何角度）
• 手的轮廓
• 片刻（我不确定这些是什么？）

这些都可以通过openCv来完成。

我的问题：一旦掌握了所有这些功能，我该如何执行“特征提取”阶段？即如果是机器学习算法，在这种情况下HMM需要一组概率，我该如何使用上述信息呢？

我的一个想法是创建一个特殊的数据结构，其中包含唯一标识每个手势的信息，但我如何将其提供给机器学习技术？ （在这种情况下是隐马尔可夫模型）

任何人都可以指导我至少在这个特定阶段应该搜索的内容，或者指导我展示实际上我真正遇到的困难吗？

Answer 1

准备完一组观测结果后，可以将其提供给维特比算法，以检测可能产生这些观测结果的最佳状态序列。此外，您可以使用Baum-Welch算法在样本数据集上训练HMM。您可以查看my blog post，这是使用HMM识别动态手势的简单解释（尽管我不使用openCV或扫描手的轮廓）。希望这可以帮助您全面了解处理和学习阶段。