论文部分内容阅读
手势识别在象人机器人的相互作用，医药康复和手势语那样的许多实际应用被使用。与增加运动传感器开发，多重数据来源变得可得到，它导致多模式的手势识别的上升。因为我们手势识别的以前的途径取决于一个单峰的系统，分类类似的运动模式是困难的。为了解决这个问题，集成运动的一条新奇途径，声音和录像，模型被使用 Kinect 捕获的数据集建议。建议系统能由使用三个模型认出观察手势。三个模型的识别结果由使用建议框架是综合的，产量成为最后的结果。运动和听觉的模型被使用隐藏的 Markov 模型学习。是录像分类器的随机的福雷斯特被