使用隐马尔可夫模型的连续手势识别
continuous gesture recognition using Hidden Markov Model
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，并采用可能性最高的
但是当我们需要对一个序列中的多个手势进行分类并且我们不知道如何分割多个手势以采用与单个手势相同的方法时该怎么办
那么我们如何做这个序列分类呢？ HMM 合适吗？还有其他方法吗？
谢谢
NLP 通常通过实时解释来做到这一点。设置匹配阈值；当一系列动作解析为一个独特的手势时 并且 满足阈值，您将其解释为一个手势。
这个描述很简单。在实践中，有很多反馈，尤其是当一些手势是其他手势的子集时，或者如果匹配不像我们想要的那么清晰。
如果你想使用 HMM，你可以在用终端状态标记进行一些训练后播种吗？
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，并采用可能性最高的
但是当我们需要对一个序列中的多个手势进行分类并且我们不知道如何分割多个手势以采用与单个手势相同的方法时该怎么办
那么我们如何做这个序列分类呢？ HMM 合适吗？还有其他方法吗？
谢谢
NLP 通常通过实时解释来做到这一点。设置匹配阈值；当一系列动作解析为一个独特的手势时 并且 满足阈值，您将其解释为一个手势。
这个描述很简单。在实践中，有很多反馈，尤其是当一些手势是其他手势的子集时，或者如果匹配不像我们想要的那么清晰。
如果你想使用 HMM，你可以在用终端状态标记进行一些训练后播种吗？