Utvärdering av metod för inspelning/identifiering

Hidden Markov Models:
Statistisk model som används till system som är modellerade som en markov-process med okända parametrar. Den är populär inom många former av igenkänning såsom gestigenkänning och röstigenkänning [1]. Inom området gestigenkänning där man utnyttjar accelrometrarna används modellen bl.a. till projektet Wiigee som är öppen källkodsbaserat. Hur man använder den och hur finns det även mycket information om och då den innefattar markov-kedjor är den inte heller helt obekant för gruppen då detta har berörts ett par kurser.

Neurala nätverk:
Samlingsnamn på ett antal algoritmer som påminner om hur nervceller och hjärnan fungerar vilket skiljer dessa mot andra mer "datavetenskapliga" algoritmer. Används bl.a. till mönsterigenkänning och signalbehandling [2]. Vi har inte lyckats hitta något Wiiremote-projekt som använder neurala nätverk till gestigenkänningen så att använda detta vore att göra det på ett annorlunda sätt. Med stor sannolikhet skulle detta ge bra resultat då det har gjorts gestigenkännings-experiment m.h.a. neurala nätverk vilka gett goda resultat [3]. Dock är neurala nätverk beräkningskrävande vilket kommer att begränsa applikationerna som skall använda sig av vårat bibliotek.

Beslut:
Både neurala nätverk och Hidden markov model används redan för gestidentifiering och bägge är därför lämpade till uppgiften. Men då vårt mål är att bygga ett fungerande och snabbt bibliotek under en begränsad tid vill vi använda något som redan är testat och fungerar effektivt tillsammans med Wiiremot:en så därför har vi valt att använda Hidden Markov model. Dessutom är den väldokumenterad och vi är bekanta med lite av matematiken bakom Hidden Markov model så att tillämpa den kommer att gå snabbt.

[1] Hidden Markov Model
[2] Neurala Nätverk
[3] Experimentell tillämpning av neurala nätverk för gestigenkänning