我目前正在研究动态手势识别系统。我选择了手形的曲率特征。目前,我能够获得手部轮廓曲率的角度列表。
问题是我坚持下一步该怎么做。在我找到的众多文献中几乎找不到信息。在将处理后的输出传递给隐马尔可夫模型进行分类之前,每个手势/姿势的这组角度应该是“处理的”。
但是这个过程应该包括什么?我遇到过:傅里叶变换、B 样条和很多函数,但我不知道如何将一组角度(例如 -23、90、45、156,...)传递给这些函数。
感谢您的耐心等待。
下面是一张图片,显示了我到目前为止所达到的阶段:
我目前正在研究动态手势识别系统。我选择了手形的曲率特征。目前,我能够获得手部轮廓曲率的角度列表。
问题是我坚持下一步该怎么做。在我找到的众多文献中几乎找不到信息。在将处理后的输出传递给隐马尔可夫模型进行分类之前,每个手势/姿势的这组角度应该是“处理的”。
但是这个过程应该包括什么?我遇到过:傅里叶变换、B 样条和很多函数,但我不知道如何将一组角度(例如 -23、90、45、156,...)传递给这些函数。
感谢您的耐心等待。
下面是一张图片,显示了我到目前为止所达到的阶段:
你能解释一下你是如何获得这些角度的吗?您可以将连续的角度组合在一起,并可能以某种方式将它们关联起来:比如通过减去它们或以某种方式处理它们以查找哪些手指已打开/关闭或找到手的方向。例如,假设您手掌的质心在一帧中位于 (x,y) 处,而在另一帧中位于 (a,b) 处。然后你可以减去这些来找到你的手的方向。
现在既然你已经找到了手部轮廓曲率的角度,你就有了不同点的数量和角度的变化。通过配对连续的角度并找到轮廓上的点数,您可以尝试检测哪些手指是张开的,哪些是闭合的。如果您尝试进行指尖检测,请查看 Convex-Hull 算法。但是,既然你说你的手势是动态的,那一定意味着你的手在执行某个手势的同时不断地在空间中移动。请澄清这一点。处理后,结果将形成观察序列,作为 HMM 的输入。