Opencv 手势/姿势识别的特征提取方法

我目前正在开发一个手语识别应用程序，我想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个阶段，我在那里检测手。目前，我可以获得一些参数（功能），用于我的机器学习阶段，例如：

• 手的凸包
• 凸性缺陷
• 手心
• 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（我不确定这些瞬间是什么）

这些都可以通过openCv实现

我的问题是：一旦我拥有了所有这些特征，我如何执行“特征提取”阶段？i、 e.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，它唯一地标识每个手势，但是我如何将它输入机器学习技术呢？（在本例中为隐马尔可夫模型）

---

有谁能指导我在这个特定阶段至少应该搜索什么，或者指导我展示我真正的困难是什么？

一旦你准备好了你的观察集，你就可以将它输入维特比算法，以检测可能产生这些观察的最佳状态序列。此外，您还可以使用Baum-Welch算法在样本数据集上训练HMM。你可以看看，这是一个使用HMM识别动态手势的简单解释（尽管我没有使用openCV或扫描手的轮廓）。希望这能帮助您对处理和学习阶段有一个大致的了解。

谢谢您的回答。。我检查了你的网站很多次，我发现它非常有用。我使用JAHMM与Hmms一起工作，这是一个有趣的小软件包。我使用BW算法轻松地训练他们，然后我使用前后向检查在当前HMM上观察序列的概率。每当我尝试使用维特比时，我的结果总是以“0”结尾，我无法找出问题所在！嘿，如果你觉得我的答案有用，我能请你投票吗：）。至于你的维特比问题：你确定你的训练是正确的，并且你使用的维特比的实现是正确的吗？有许多示例代码可以帮助您。由于得到0，这意味着您的模型“认为”无法使用HMM参数的当前值生成提供给其输入的特定观察序列。再次审视学习阶段，只是为了确定。