Edycja niezmienniczości afinicznej najwyraźniej wymaga tej wersji krzywizny.
http://en.wikipedia.org/wiki/Affine_curvature#Affine_curvature
Załóżmy, że o to mi chodzi. (Chociaż normalna krzywizna, jak sądzę, jest niezmienna dla rotacji, które mogłyby być wystarczająco dobre).
Edycja dla niezmiennej w skali wersji krzywizny spójrz tutaj
/math/1329/what-is-the-form-of-curvature-that-is-invariant-under-rotations-and-uniform- Scali
Problemy z rozpoznawaniem gestów są podklasą problemów z rozpoznawaniem, a problemy z rozpoznawaniem są zasadniczo problemami z porównywaniem modeli.
Próbując dopasować swój gest do zbioru gestów, wygrywa najlepszy gest.
Nagrywam twój gest kilka razy i próbuję dopasować twoje dane treningowe do czegoś w rodzaju b-splajnu (krzywej). Prawdopodobnie chcesz, aby twoje gesty były niezmienne w celu przekształcenia afinicznego (obroty, skalowanie, translacja), więc przechowuj krzywą jako tabelę wartości krzywizny (jest mało prawdopodobne, aby miała ładnie zamkniętą formę), w przeciwieństwie do kartezjańskich współrzędnych kontroli zwrotnica.
To model gestu. Powiedzmy, że masz kilka.
Aby je porównać, zacznij od dopasowania danych wejściowych, a następnie oceń krzywiznę x liczbę razy, gdzie x daje dobry kompromis między dokładnością a wydajnością.
Teraz iteruj modele i odejmij wartości krzywizny (oceniane w tym samym punkcie wzdłuż odpowiednich krzywych pod względem długości łuku) i wyrównaj różnicę. Wynikowa wartość nazywana jest wartością resztkową. Zsumuj wszystkie resztki. Model z najmniejszymi resztkami jest najlepiej dopasowany i jest najbardziej prawdopodobnym gestem.
Porównaj moją odpowiedź z @ Olie's. Są w zasadzie takie same, chociaż wybieramy różne modele dla gestu (budowanie tabeli z podpisaną krzywizną i rejestrowanie zmiany kąta stycznej są prawie takie same, zakładam, że dane są generowane przez gładkie krzywa z szumem), główna różnica polega na tym, że @Olie obejmuje prędkość.
Wybór parametrów do uwzględnienia w modelu zależy od sytuacji i wymagań dotyczących wydajności. Pamiętaj, że dodanie parametrów do modelu zwiększa wymiar.