python手势识别隐马尔可夫模型_基于隐性马尔可夫模型的手势识别设计和优化

收稿日期: 20101028; 修回日期 : 201012210 作者简介:刘珠峰 (19862) ,男 ,江苏泗洪人 ,硕士研究生 ,主要研究方向为人机交互技术 ( lzf8888@gmail. com) ;周良 (19662) ,男 ,副教授 ,主要研究方向为人机交互技术、信息系统与信息安全、知识工程 ;丁秋林 ,男 ,教授 ,主要研究方向为 CIM、 DSS、 M IS. 基于隐性马尔可夫模型的手势识别设计和优化 刘珠峰 , 周 　良 , 丁秋林 (南京航空航天大学 信息科学与技术学院 计算机系 , 南京 210016) 摘 　要: 新型的笔式交互技术要求能够高效地识别用户手势 ,适应用户的手绘风格。建立了基于隐性马尔可夫的手势识别模型 ,在此基础上提出了在重采样阶段的中点补偿和编码阶段的方向编码优化方法。实验结果表明该识别模型能以更精简的采样点数量表示手势并给出良好的识别结果 ,减少了模型训练的运算量。 关键词: 手势识别; 隐性马尔可夫模型; 重采样; 方向编码 中图分类号: TP39113　　　文献标志码: A　　　文章编号: 100123695 (2011) 062386203 doi: 10. 3969 /j. issn. 100123695. 2011. 06. 107 HMM2based sketch recognition system: design and optimization L IU Zhu2feng, ZHOU Liang, D ING Qiu2lin(College of Inform ation Science & Technology, N anjing University of Aeronautics & Astronautics, N anjing 210016, China)Abstract: Newly penbased interaction technology requires efficient user gesture recognition and user style adaption. This paper built an HMM2based sketch recognition system and used a new method called midpoint2compensation in resampling phase and an improved direction coding method for optimization. The experiment shows that the sketch recognition model can recog2nizes user gesture efficiently meanwhile with smaller data to represent the gesture and less computation for training the model. Key words: gesture recognition; HMM; resampling; direction coding 　　近年来 ,基于多媒体的人机交互技术在国内外受到了高度的重视。随着便携型终端的增多和基于电阻 /电容触摸设备的日渐普及 ,众多研究者投入了基于语音与手势的人机交互界面的研究 [1 ]。作为对人类在自然界交流方式的模拟 ,手势具有表达自然、易于学习的优点 ,在不具备标准全尺寸键盘的设备上 ,更可以作为输入指令 ,是快速实现用