關鍵詞：kinect v2傳感器 動態手勢識別 未定義手勢 識別率 

摘要：為解決隱馬爾科夫模型(HMM)算法在動態手勢識別中存在的準確率不高、容易受未定義手勢的干擾、難以適應復雜背景等問題,本文提出了一種基于Kinect V2傳感器改進的HMM動態手勢識別方法。該方法進行手勢分割后,以質心運動軌跡正切角的值進行均勻量化編碼,通過設置概率閾值模型及編碼的種類來排除未定義手勢、進行動態手勢識別,并對比不同實驗環境下的識別效果。實驗結果表明,改進后的HMM算法有效地排除了多種未定義手勢,能夠適應復雜背景和黑暗條件,而且能夠提高對已定義手勢的識別率。

高技術通訊雜志要求:

{1}標題一般不宜超過4層。標題行和每段正文首行均空二格。各級標題末尾均不加標點。

{2}來稿經編輯部查新核實無一稿多投、重復發表或剽竊行為后，由編輯部登記備案給予編號，由作者填寫《版權協議》。

{3}作者應對稿件中的錯別字、引文、標點符號等問題仔細地核對和訂正。

{4}參考文獻一般不少于4篇，必須是公開發表且在文中確實引用的專著、期刊文章、論文集文章、學位論文、技術標準等，按文中引用的先后順序編號。

{5}作者簡介：作者姓名、出生年、性別、民族、籍貫、職稱、學位及研究方向。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社