優(yōu)選被定位于分段中屯、中。接著，對于每一狀態(tài)，觀測概率分布經(jīng)選擇使得其類似通常在傳 感器取樣此分段中的連續(xù)時間型式時獲得的觀測。
[004引實例:介紹性實例是此自行設(shè)計的FSM，更準(zhǔn)確來說是具有N=4種狀態(tài)的一階環(huán)狀 隱式馬爾可夫模型。圖6展示四個SPL ql、q2、q3及q4周圍的序列分段（四個四分之一環(huán)，每 一象限一個）。表1中的狀態(tài)轉(zhuǎn)變矩陣A反映所述模型的環(huán)狀結(jié)構(gòu)：如上述，具有非零概率的 轉(zhuǎn)變僅發(fā)生從狀態(tài)轉(zhuǎn)變到其自身狀態(tài)或具有次高索引的狀態(tài)，及從第四狀態(tài)s4轉(zhuǎn)變回到 si。對于每一狀態(tài)，觀測矩陣B具有對應(yīng)于所述分段中的顯性移動方向的顯性，即，最可能觀 測。
[0049] b)預(yù)界定FSM(例如，訓(xùn)練的HMM):給定具有指派給其每一狀態(tài)的觀測概率分布的 FSM，對于預(yù)界定連續(xù)型式(或'序列'），識別所述連續(xù)時間型式內(nèi)每一狀態(tài)si的典型SPL Q (i)，使得索引的次序與對應(yīng)SI^L出現(xiàn)于連續(xù)時間型式中的次序相同（或相反）。
[0050] 實例:給定觀測集合及含有每一狀態(tài)的觀測的概率分布的矩陣B，計算每一狀態(tài)的 平均或預(yù)期觀測(例如，算術(shù)平均值）。給定具有指派的SI^L的參考型式，例如SI^L在此型式的 典型暫時持續(xù)時間內(nèi)均勻分布，對于每一狀態(tài)識別所述型式中的SPL(其中其預(yù)期觀測擬合 此SPL)并將此S化指派給所述狀態(tài)。給定表2中的觀測概率矩陣B，其展示矩陣A及B的另一示 范性集合，及對應(yīng)SPL 0.5、1.5、2.5及3.5的相關(guān)聯(lián)方向箭頭、預(yù)期觀測的計算(分布的平均 值或加權(quán)和），同時考慮模型環(huán)狀結(jié)構(gòu)將對于第二狀態(tài)s2如下般工作:我們在矩陣B中捜索 行2中對應(yīng)于狀態(tài)s2的最大值，從而產(chǎn)生在列4中到右上方的方向向量的B(2,4)=0.9。此概 率使對應(yīng)于此觀測的SPL q = 3.5加權(quán)。據(jù)此，列3中的概率B(2，3)使SPL q = 2.5加權(quán)。歸因 于所述模型的環(huán)狀結(jié)構(gòu)及SPL模數(shù)N的所得計算，對于每一觀測，需要決定考慮其是在最可 能觀測之前還是在最可能觀測之后出現(xiàn)。由于最大值概率是在列4中，因此列1中循環(huán)到其 右邊的觀測的S化是q = 0.5+(N=4) = 4.5且對應(yīng)概率是B(2，1) = 0.05。由于列1中循環(huán)到列 4中最大值B(2,4)=0.9右邊的概率B(2，l)=0.05大于到最大值左邊的概率B(2,3)=0.04， 因此列2也應(yīng)被視為循環(huán)到列4右邊，從而產(chǎn)生SPL q = 5.5。因此，S化的加權(quán)和變成：
[0051] S 化（s2)=Q(2)=B(2，l)*4.5+B(2,2)*5.5+B(2,3)^.5+B(2,4)*3.5
[0052] =0.05*4.5+0.01 巧.5+0.04*2.5+0.9*3.5
[0化3] =3.53
[0054]如果此結(jié)果大于N或小于0,那么我們將需要計算模數(shù)N。用于將SI^L指派給狀態(tài)的 不同方法也可行，例如，忽略面對具有最大值概率的方向向量的相反方向的方向向量。
[0化5] 表2
[0化6]
[0057]根據(jù)表2中所展示的實施例，狀態(tài)轉(zhuǎn)變概率矩陣A針對雙向環(huán)狀HMM設(shè)定W產(chǎn)生圖 11及圖12中所展示的屏幕畫面。圖10展示所述雙向環(huán)狀HMM的相關(guān)聯(lián)狀態(tài)圖。圖11顯現(xiàn)分成 Ξ個連續(xù)區(qū)段的手勢的系統(tǒng)輸出水平的實例。第一區(qū)段展示無活動，接著是激活VSW模式的 順時針環(huán)狀手勢。步階分別指示相關(guān)聯(lián)的遞增滾動參數(shù)、或兩種或更多種狀態(tài)之間的轉(zhuǎn)變。 在特定順時針循環(huán)時間之后，用戶立即繼續(xù)做逆時針手勢，W減小如圖11中所展示的相關(guān) 聯(lián)參數(shù)。
[005引停止準(zhǔn)則（即，檢測連續(xù)時間型式的結(jié)束的決策規(guī)則)可能需要經(jīng)調(diào)適使得其在所 述型式幾乎不變更達(dá)一定較短量的時間時不檢測停止。
[0059] 如上述，根據(jù)其它實施例，可通過增大級數(shù)目（即，通過增大狀態(tài)數(shù)目）改進(jìn)進(jìn)程級 的細(xì)微度(即，可使介于兩個連續(xù)級之間的步階更?。?。
[0060] 根據(jù)另一實施例，可應(yīng)用后處理W使兩級之間的轉(zhuǎn)變變平滑，即，選擇具有最高概 率的狀態(tài)的規(guī)則可被更復(fù)雜規(guī)則替換。使q表示通過我們的算法計算的SI^L估計。在不失任 何一般性的情況下，使q的值范圍E[0，N]，其中N是HMM中的考慮中的狀態(tài)數(shù)目。使Q=[Q(1) 9(2)···9(Ν)]表示含有每一狀態(tài)的SF*L的向量，其中對于所有i = l，2,…，N-1保持Q(i)< = Q (i+1)且Q(i)具有與q相同的值范圍。第一平滑步階是利用狀態(tài)概率傳播的內(nèi)部平滑:我們 使用所有狀態(tài)的概率計算平均SI^L而非選擇具有最大值概率的狀態(tài)，其中用a(i)表示狀態(tài) 的(前向）概率。用于使?fàn)顟B(tài)轉(zhuǎn)變變平滑的第二提議是引入E[0，1]的記憶因子ΘΚ逐步更新 SPL估計q。我們區(qū)別具有相異的開始及停止(非周期性的）的序列/型式與在手勢辨識的上 下文中類似于環(huán)狀(周期性的）的周期性序列。使q化)表示離散時間實例k處的q。
[0061 ] a)非周期性的：q化+1)=目*q化)+ (1-目)*sum_{i = l} {N}a(i)*Q(i)
[0062] b)周期性的：q的范圍現(xiàn)在e[0，N]。歸因于HMM的周期性，如非周期性案例中的加 權(quán)和不可行。而是，進(jìn)行差分更新方法W避免例如狀態(tài)從具有高SI^L的狀態(tài)轉(zhuǎn)變到具有低 S化的狀態(tài)時出現(xiàn)上溢/下溢問題。允許S化估計q的更新量僅達(dá)N/2W下。
[0063] 列表 1
[0064]
[0065] 列表1顯示獲取測量數(shù)據(jù)及計算HMM前向概率之后在每一離散時間步階應(yīng)用的示 范性更新規(guī)則。圖11及12展示使用雙向環(huán)狀HMM與表2中的狀態(tài)轉(zhuǎn)變概率矩陣進(jìn)行的(逆)順I(yè) 時針環(huán)的追蹤，其中SPL指派如圖6。圖式中順時針環(huán)狀移動增大信號水平，逆時針環(huán)狀移動 減小信號水平。因此，圖12顯現(xiàn)具有平滑的后處理的實施。首先，執(zhí)行若干順時針環(huán)狀移動 W增大圖中所展示的滾動參數(shù)，接著暫停，且接著一些逆時針環(huán)狀移動、暫停、再多一些逆 時針環(huán)狀移動。表2中的雙向環(huán)狀HMM已用于此實例。在圖12中，所繪信號也存在分段，其中 信號水平在移動暫停期間近似恒定。與圖11相比，信號的階梯特性歸因于平滑而明顯減小。
[0066] 也可通過根據(jù)其它實施例修改矩陣A及/或B中的HMM模型參數(shù)實現(xiàn)平滑。
[0067] -些特征的概述
[0068] 根據(jù)實施例，可無須選擇具有最大值概率的狀態(tài)，但可通過采用狀態(tài)概率分布的 平均值計算"內(nèi)插"狀態(tài)索引及對應(yīng)SPL。
[0069] 可根據(jù)各種實施例實施W下特征中的一或多者：
[0070] FSM可具有有限記憶。FSM可實現(xiàn)馬爾可夫性質(zhì)，即，F(xiàn)SM可為一階馬爾可夫模型?？?使用前向鮑姆-韋爾奇算法計算最可能狀態(tài)?？墒褂镁S特比算法計算最可能狀態(tài)及/或最可 能狀態(tài)序列。馬爾可夫模型的狀態(tài)是隱式的，即，F(xiàn)SM是隱式馬爾可夫模型(HMM) "FSM可為用 于常規(guī)的基于事件的型式辨識系統(tǒng)中的隱式馬爾可夫模型，其中根據(jù)HMM的集合，確定被給 定連續(xù)時間型式或其對應(yīng)離散時間觀測序列的最可能狀態(tài)，且所述觀測序列是從傳感器獲 得的在給定開始時間實例與給定停止時間實例之間的特征序列。
[0071] 1.當(dāng)對于準(zhǔn)備用于SHii蹤的HMM滿足預(yù)界定條件時，那么可從常規(guī)的基于事件的 型式辨識模式切換到SHii蹤模式。
[0072] 2.此條件將超過預(yù)界定概率。
[0073] 3.常規(guī)的基于事件的型式辨識期間的停止檢測的準(zhǔn)則可不同于在SHii蹤模式期 間應(yīng)用的準(zhǔn)則。
[0074] 連續(xù)時間型式可為手勢，其中手勢被界定為預(yù)界定移動型式。舉例來說，連續(xù)時間 型式可為環(huán)狀手勢。然而，如上述，可使用其它類型的手勢，甚至使用非環(huán)型的手勢或甚至 使用非手勢型式。HMM可為線性HMM或環(huán)狀HMMdHMM可為雙向HMM。接著也可在型式的相反方 向上執(zhí)行S化追蹤，即，前向及后向。
[0075] 檢測方法的應(yīng)用
[0076] 環(huán)狀手勢類似旋鈕的控制且因此優(yōu)選地可用作例如化Fi集合的例如虛擬音量控 制轉(zhuǎn)盤:順時針移動增大音量，逆時針移動減小音量。然而，可根據(jù)各種實施例實施任何其 它旋鈕功能。
[0077] 圖13展示使用指示對應(yīng)于順時針/逆時針環(huán)狀手勢的SI^L的相應(yīng)水平的垂直條形 圖的示范性設(shè)計，即，當(dāng)SI^L已增大/減小達(dá)特定量時（例如，在環(huán)的每一四分之一之后），圖 的水平增大/減小達(dá)一條。圖13展示可用作具有