手势识别算法小结.pptx

手势识别综述;手势识别分类;基于机器视觉的手势识别 优点：无需任何媒介，较高的识别精度，较好的交互效果 缺点：设备复杂昂贵，用户活动范围受限，对外界环境依赖度高;手势识别流程;基于模板匹配 1)直接匹配法：利用输入手势与训练好的标准模板的相似度 优点：原理简单，易于添加或改进模板； 缺点：无法解决手势的时间可变性，识别精度低； 2)动态时间规整(DTW):把输入手势时间轴非线性地映射到模板事件轴，再进行模板匹配 优点：消除时间可变性，操作简单； 缺点：时间规整过程引入误差，降低识别精度； 基于概率统计 隐性马尔科夫模型（HMM）模型：训练时每一种手势对应一个HMM model,识别时取概率最大的一个HMM即可 优点：尤其适用于时间序列的建模，对复杂度高的动作也具有较高的识别精度，易于添加或修改手势库； 缺点：训练强度大 基于数据???类 神经网络(NN)模型：基于某种学习准则循环进行学习，使得下次犯错误的概率最低 优点：自适应的学习方法，容错能力强，不易受噪声干扰； 缺点：计算量大，费时，对于动态手势识别效果远不如静态的。 ;基于MEMS传感器的手势识别（方案设计）