一种手势语义自动分类方法技术
【技术实现步骤摘要】
一种手势语义自动分类方法
本专利技术属于计算机手势识别领域，具体涉及一种手势语义自动分类方法。
技术介绍
在手势交互中，人们往往会按照自己的操作习惯来进行交互。因此，经过观察会发现对于相同的一种手势会应用于不同的交互语义中，即手势具有语义多样性。寻找手势各语义的特征，计算机自动进行手势语义的分类，进而减少用户的记忆负担。现在手势识别基于静态手势进行语义分类，用户必须做出一定的手势动作来识别语义，进行分类。
技术实现思路
本专利技术的目的在于解决上述现有技术中存在的难题，提供一种手势语义自动分类方法，自动得出用户意图，从而减少记忆负担。本专利技术是通过以下技术方案实现的：一种手势语义自动分类方法，包括：S1：建立手势语义库中各语义的高斯模型和物体功能库；S2：从Kinect的摄像头读取当前帧的图像，开始获取训练样本的观察变量{s,c}，并等概率初始化参数集合θ＝{μ1,σ1,...,μN,σN}；其中s表示观察样本即手势，c表示手势语义类别集合，θ表示该次手势运动的平均速度和速度方差；S3：判断摄像头是否检测到开始的手势；若||X[i]-X[i-1]|>thres...
【技术保护点】
一种手势语义自动分类方法，其特征在于：所述方法包括：S1：建立手势语义库中各语义的高斯模型和物体功能库；S2：从Kinect的摄像头读取当前帧的图像，开始获取训练样本的观察变量{s,c}，并等概率初始化参数集合θ＝{μ1,σ1,...,μN,σN}；其中s表示观察样本即手势，c表示手势语义类别集合，θ表示该次手势运动的平均速度和速度方差；S3：判断摄像头是否检测到开始的手势；若||X[i]‑X[i‑1]|>threshhold，则转到S4；否则转向S2；S4：利用手势分割方法得出手势，记录每5帧的位移和时间，求出速度V的均值μ和方差σ，进行高斯统计模型拟合，同时利用加...
【技术特征摘要】
1.一种手势语义自动分类方法，其特征在于：所述方法包括：S1：建立手势语义库中各语义的高斯模型和物体功能库；S2：从Kinect的摄像头读取当前帧的图像，开始获取训练样本的观察变量{s,c}，并等概率初始化参数集合θ＝{μ1,σ1,...,μN,σN}；其中s表示观察样本即手势，c表示手势语义类别集合，θ表示该次手势运动的平均速度和速度方差；S3：判断摄像头是否检测到开始的手势；若||X[i]-X[i-1]|>threshhold，则转到S4；否则转向S2；S4：利用手势分割方法得出手势，记录每5帧的位移和时间，求出速度V的均值μ和方差σ，进行高斯统计模型拟合，同时利用加入各模型依次进行判断得到新的θ[i]'＝{μ1′,σ1′,...,μN′,σN'}，若|θ’[i]-θ|<threshhold,即匹配模型i，则转向S5；否则，转向...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。