[发明专利]一种改进的动态手势识别的HMM模型训练算法

摘要

本发明涉及一种改进的动态手势识别的HMM模型训练算法。该方法步骤为：第一步采用mean-shift滤波算法对手势图像进行跟踪；第二步将所跟踪到的手势图像进行手势特征提取与分割，提取人手质心；第三步选取相邻两帧间质心位置的方向矢量作为隐马尔科夫模型的输出观察变量，并将轨迹夹角量化为18个等级；第四步对将要训练的观察序列进行筛选；第五步在初始化时给各矩阵大致的概率分布；第六步根据观察序列进行模型训练，得到动态手势的隐马尔科夫手势模型。该算法相比传统的隐马尔科夫建模算法Baum-Welch算法，收敛速度大大提高，减少了训练过程中不必要的计算量。

主权项

一种改进的动态手势识别的HMM模型训练算法，其特征在于：包括如下步骤，步骤S01：采用mean‑shift滤波算法对手势图像进行跟踪；步骤S02：采用开闭运算、图像阈值及漫水填充法对步骤S01中跟踪到的手势图像进行特征提取和分割，再通过质心法提取人手质心位置；步骤S03：通过步骤S02得到每帧手势图像中人手质心位置后，选取相邻两帧间人手质心位置的方向矢量当做HMM的观察变量，多帧图像中人手质心构成手势轨迹，手势轨迹中的所有观察变量构成该手势轨迹的观察序列；步骤S04：对根据步骤S03得到的观察序列进行筛选，保证训练结果的准确性；步骤S05：根据数字1‑9的书写轨迹顺序，给出数字1‑9所对应的初始状态转移概率矩阵和状态输出概率矩阵的概率分布；步骤S06：根据步骤S04得到的观察序列进行HMM训练，得到动态手势的隐马尔科夫手势模型。