基于机器学习随机森林方法的手势识别算法

　　原创文本首次在微信公众号“ 3D Vision Workshop”上发布-一种基于机器学习随机森林方法的手势识别算法

　　传统视觉基于特征点和参考坐标系的思想识别物体的姿态. 该方法需要对象本身具有很多形状和颜色特征，并且对于某些更复杂的对象而言效果不佳. 本文使用机器学习（Random Forest）方法，并使用颜色和深度功能来识别对象的姿势.

　　1. 采集训练数据

　　由于它基于像素级训练，因此每个像素都需要一个标签. 该标签包括每个像素所属的类别以及相应的三维空间坐标.

　　a. 如何获取标签？

　　您可以首先使用传统设备来计算某种类型的物体和相机的真实姿势. 在计算出真实姿势后，您可以从对象的二维图像中计算出相应的三维坐标. 但是，在实际的三维坐标计算中，需要对训练对象进行分段，以避免背景等无关对象的干扰. 通过对分割图像进行姿态计算，可以获得分割图像中每个像素的三维坐标.

<p>因为训练和预测是在像素级别进行的，所以通常图像中的对象由大量像素组成，因此在实际训练中不需要太大的样本（如果样本太多） ，您将需要花费大量时间在训练数据上，但是请尝试将数据收录在每个姿势中，以使模型尽可能准确，通常100幅图像（每种类型的对象）就足够了.