一种基于多特征隐马尔科夫模型的动态手势融合识别方法SP - 8871605 VL - 2020 AB -提出了一种基于多特征和隐马尔可夫模型(HMM)的融合方法，用于机器人遥操作中操作者指令对应的动态手势识别。首先，需要从根据移动手的速度连续获取的数据中分离出有效的动态手势。其次，提出了一种动态手势表达的特征集，该特征集包括四种特征:手掌姿态、手指弯曲角度、手指张开角度和手势轨迹。最后，建立了基于这些特征的HMM分类器，并提出了融合四种特征概率的加权计算模型。通过对跳跃动作(LM)获取的动态手势进行识别，该方法对本文创建的LM- gesture3d数据集的识别率约为90.63%，对字母-手势数据集的识别率为93.3%。SN - 1687-5265 UR - https://doi.org/10.1155/2020/8871605 DO - 10.1155/2020/8871605