手势识别模型训练

实现手势交互，首先要完成手势数据的采集。实现数据采集一般有两种方式：基于摄像头图像的视觉手势捕捉、基于传感器追踪的惯性手势捕捉。但这两种方式的手势捕捉有捕捉精度不够、较多数据噪声，需要进行数据预处理工作的缺点。哈尔滨工业大学理学院王一峰博士对智能手环的手势交互做了研究。

王一峰博士使用NOKOV（度量）光学三维动作捕捉系统获取手势数据。通过在手环表面贴上反光标志点（marker），基于红外光学的动作捕捉系统可实时输出marker的三维坐标，戴着手环做手势时，不同手势的信息就能以marker位置的变化体现，精度达到亚毫米级。而手部运动的速度、加速度等信息也可由动作捕捉系统提供。这些数据可通过NOKOV度量动作捕捉提供的丰富SDK接口，直接导入到不同的系统中。省去了研究者大量数据预处理的时间，让他们能更好地进行分类识别算法的研究上。

通过导入的数据信息训练好分类识别模型后，以26个字母的各种手势做测试样本进行算法验证，统计通过连续实时测试手势样本的正确识别频数、错误分类的类别及其频数，完成识别分类的准确率分析。