基于Kinect数据的HMM三维手势识别特征提取

Question

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，挥动等。现在我想使用Hidden Markov Models来识别我的手势。 第一步是提取(X, Y, Z)数据的特征。 我试图搜索一些有用的东西，并找到了几个例子： SIFT ， SURF ，某种Fast Fourier Transform等。

我很困惑我应该在我的项目中使用哪一个。 我想使用Kinect控制器中的数据来识别手势，因此我不需要在算法上跟踪关节。

Answer 1

我正在研究类似的问题。 到目前为止，我发现的最好的材料是来自David Catuhe的Kinect Toolbox。 有一些基本的手势识别代码，Kinect数据记录和重放。

你可以在这里开始阅读： http ： //blogs.msdn.com/b/eternalcoding/archive/2011/07/04/gestures-and-tools-for-kinect.aspx

Answer 2

我不得不在一两年前实施HMM手势识别，以获得有关不同机器学习方法的论文。 我遇到了Accord .NET Framework ，它帮助实现了我正在研究的许多内容，包括HMM。 它相当容易使用，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，一旦身体部位静止3秒钟就开始记录手势，然后它将所有点记录到输出文件，直到所述部分再次停止3秒钟。 然后，我选择了我想要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，我建议可以查看模板匹配，因为它更简单，我发现它对于简单的手势非常有效。

Answer 3

你考虑过[训练有素]支持向量机吗？

请参阅：LibSVN图书馆http://www.csie.ntu.edu.tw/~cjlin/libsvm/

我们的想法是将您的手势定义为n维训练问题。 然后简单地训练每个手势（多个分类SVM）。 训练后，您将任何用户手势映射为N维向量，并尝试使用训练模型对其进行分类。