用于手势/姿态识别的特征提取方法

Question

我目前正在开发一个手语识别应用程序，在该应用程序中，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，我正在检测到的手。目前，我可以获得一些参数(特性)，可以用于我的机器学习阶段，例如：

• 凸手壳
• 凸性缺陷
• 手的质心
• 包围旋转椭圆/矩形(例如获得旋转所需的任何角度)
• 手的轮廓
• 瞬间(我不知道这些都是什么)

所有这些都可以通过openCv来完成。

我的问题是:一旦我有了所有这些特性，我如何才能执行‘特征提取’阶段？也就是说，如果机器学习算法，在这种情况下，HMM需要一组概率，我如何使用上述信息？

我的一个想法是用这样的信息创建一个特殊的数据结构，它唯一地标识每一个手势，但是我如何将它提供给机器学习技术呢？(在这种情况下，隐马尔可夫模型)

有谁能引导我，至少在这个阶段我应该寻找什么，或者引导我去展示我真正的困难是什么？

Answer 1

一旦你准备好了你的观察集，你就可以将它提供给维特比算法，以检测出可能产生这些观测的最佳状态序列。此外，您还可以使用Baum算法对一组样本进行HMM训练。您可以看看我的博客文章，这是使用HMM识别动态手势的一个简单解释(虽然我没有使用openCV或扫描手的轮廓)。希望这能帮助你对处理和学习阶段有一个大致的了解。