基于奇异值分解和隐Markov模型的动态手势识别

摘要

提出了基于奇异值分解(Singular Value Decomposition,SVD)特征矩阵压缩和隐Markov模型(Hidden Markov Model,HMM)的动态手势识别方法。该方法通过SVD对特征矩阵进行时间维度的压缩,然后通过HMM的方法对提取的动态手势进行识别。通过对特征矩阵压缩可以显著地减少训练HMM的迭代计算量,提高模型的训练效率。采用Leap Motion体感控制器追踪并提取自定义的10个阿拉伯数字的动态手势特征。实验验证结果表明,该方法对这些动态手势在当前有限样本条件下的总识别率均在96%以上。