基于向量自回归分层隐马尔可夫模型的身体运动至声音接口
应用统计
2016-10-27 v1 人机交互
机器学习
摘要
将人的动能动作与机器系统的动作进行接口对接是许多应用领域的重要研究课题。亲密人机交互的关键因素之一是控制算法能够以尽可能短的延迟检测和分类不同的用户命令，从而在因果之间建立高度相关的联系。在我们的研究中，我们专注于将用户运动学动作映射到声音样本的任务。所提出的方法依赖于配备惯性测量单元的无线传感器节点，以及专门用于早期检测和分类用户执行的各种运动/手势的实时算法。核心算法基于向量自回归分层隐马尔可夫模型（VAR-HHMM）的近似贝叶斯推断，其中模型数据库源自一组运动手势。我们将该算法的性能与 K 近邻（KNN）算法的在线版本进行了比较，其中使用基于离线专家的分类作为基准。在几乎所有评估指标（如混淆矩阵、召回率和精确度分数）中，VAR-HHMM 算法均优于 KNN。此外，在某些情况下，VAR-HHMM 算法比离线标准实现了更快的运动起始检测。尽管该概念是为运动至声音应用而设想的，但也可实施于其他人机接口。
引用
@article{arxiv.1610.08450,
title = {Body movement to sound interface with vector autoregressive hierarchical hidden Markov models},
author = {Dimitrije Marković and Borjana Valčić and Nebojša Malešević},
journal= {arXiv preprint arXiv:1610.08450},
year = {2016}
}
备注
12 pages, 7 figures, a pre-submission draft