使用隐马尔可夫模型进行手部运动识别

Question

我正在为我的最终分配做手动识别项目，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，执行特征提取然后使用HMM来识别运动，

我正在使用openCV，我已经使用haar clasifier进行了手部检测，我已经使用c ++编写了hmm代码，但我遗漏了一些内容：

1. 我不知道如何将Haar Clasifier与HMM整合
2. 如何从检测到的手（haar clasifier）执行特征提取？
3. 我知道我们应该首先训练HMM进行动作识别，但我不知道如何训练动作数据，我应该使用哪种数据？如何准备数据？我在哪里可以找到它们或如何收集它们？
4. 如果我在google上搜索，有人会说HMM动作识别与HMM语音识别有相似之处，但我觉得哪个部分类似？
有人请告诉我，如果我做错了，请告诉我应该怎么做

请教我，主人

Answer 1

据我所知：

1）haar用于检测静态对象，这意味着它可以在一帧图像中工作。

2）HMM用于识别时间特征，这意味着它可以跨帧工作。

所以你要做的事情就是首先跟踪手，获得手的特征并在HMM中训练手势动作。

至于功能，最天真的是“逐像素”功能。你只需将所有像素的强度放在一起。在此之后，需要降低维数，例如，PCA。

之后，使用HMM的一种方法是将特征离散化为聚类，并使用离散状态序列训练模型，然后预测属于每个组的特定特征序列的概率。

注意

这不是标准的手势识别程序。然而，对于你的“最终项目”来说这是天真的。