[英]continuous gesture recognition using Hidden Markov Model
當我們需要做手勢識別時,我們應該為每個手勢訓練幾個HMM。 然后,當我們需要對手勢進行分類時,我們從每個HMM計算序列概率並獲取具有最高似然性的序列概率
但是,當我們需要對序列中的多個手勢進行分類時我們不知道如何對多個手勢進行分割以采用單一手勢采用相同的方法
那么我們怎么做這個序列分類呢? HMM是否合適? 還有其他方法嗎?
謝謝
NLP通常使用實時解釋來做到這一點。 設置匹配閾值; 當一系列動作解析為一個獨特的手勢並達到閾值時,您將其解釋為手勢。
這在描述中很簡單。 在實踐中,有很多反饋,特別是如果某些手勢是其他手勢的子集,或者匹配不如我們所希望的那樣清晰。
如果你想使用HMM,你可以在接受終端狀態標記訓練后播種嗎?
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.