Machine learning 基于隐马尔可夫模型的连续手势识别

当我们需要做手势识别时，我们应该为每个手势训练几个HMM。然后，当我们需要对手势进行分类时，我们计算每个HMM的序列概率，并选择可能性最高的一个

但是，当我们需要在一个序列中对多个手势进行分类时，我们不知道如何对多个手势进行分段，以便对单个手势采取相同的方法时，该怎么办

那么我们如何进行序列分类呢？嗯，合适吗？还有其他方法吗

---

谢谢

NLP通常通过实时解释来实现这一点。设置匹配阈值；当一系列动作解析为一个独特的手势并满足阈值时，您将其解释为一个手势

这是简单的描述。在实践中，会有很多反馈，特别是如果一些手势是其他手势的子集，或者如果匹配没有我们希望的那么清晰

---

如果你想使用HMM，你能在经过一些终端状态标记的训练后进行播种吗？

非常感谢。这很有帮助。我得到了阈值部分，但你所说的“当一系列动作分解为一个独特的姿势”是什么意思？。是的，我可以标记终端状态。我试图将其用于手语识别，因此手势是单词，我将每个单词的开始和结束标记为单独的状态。此外，如果你有一个教程或论文解释这一点，我将不胜感激。谢谢有些词不是原子运动，比如“早晨”或“一起”。有些是简单概念的复合词，如“教师”。您的第一个解析需要是以相对流畅的运动序列描绘单词。我很抱歉；我没有这方面的论文或教程。我在认知科学方面有硕士研究生学位，包括计算语言学，我对手语感兴趣。您的许多问题都与将音频流处理为语音并将其转换为文字有关。