为解决隐马尔科夫模型(HMM)算法在动态手势识别中存在的准确率不高、容易受未定义手势的干扰、难以适应复杂背景等问题,本文提出了一种基于KinectV2传感器改进的HMM动态手势识别方法。该方法进行手势分割后,以质心运动轨迹正切角的值进行均匀量化编码,通过设置概率阈值模型及编码的种类来排除未定义手势、进行动态手势识别,并对比不同实验环境下的识别效果。实验结果表明,改进后的HMM算法有效地排除了多种未定义手势,能够适应复杂背景和黑暗条件,而且能够提高对已定义手势的识别率。
科研之友
微信
新浪微博
Facebook
分享链接
