python基于摄像头的手势识别_基于python的kinect手势识别：hmm学习

我想用kinect在python中进行手势识别。在

在阅读了一些理论之后，我认为最好的方法之一是用隐马尔可夫模型（HMM）（baum-welch或其他EM方法）对一些已知的手势数据进行无监督学习，得到一组经过训练的HMM（我想识别的每个手势对应一个）。在

然后我会进行匹配最大对数似然的识别（用viterbi？）在训练集中使用HMM的观测数据。在

例如，我用kinect设备记录了一些手势的数据（右手坐标x、y、z）（打招呼、踢拳、用手打圈），我还做了一些训练：# training

known_datas = [

tuple( load_data('punch.mat'), 'PUNCH' ),

tuple( load_data('say_hello.mat'), 'HELLO' ),

tuple( load_data('do_circle_with_hands.mat'), 'CIRCLE' )

]

gestures = set()

for x, name in known_datas:

m = HMM()

m.baumWelch(x)

gestures.add(m)

然后，我执行max loglik对观察到的新数据进行识别，并选择之前保存的手势，其中包含每个训练的HMM的max loglik：

^{pr2}$

我的问题是：这完全是愚蠢的吗？在

一个真正的案例需要多少套培训？在

每个HMM有多少个状态？在

有可能实时进行吗？在