基于HMM與Level Building的連續(xù)中國手語識別系統(tǒng)研究.pdf

1、隨著時代的發(fā)展與進步，科技逐漸應(yīng)用到了日常生活中，特別是人機交互技術(shù)在日常生活中得到了廣泛應(yīng)用。而手語識別技術(shù)作為人機交互的一種方式，通過計算機技術(shù)將聾啞人的手語連續(xù)動作翻譯成文字，使得正常人可以理解聾啞人的語言，促進聾啞人與正常人之間的交流。由于連續(xù)手語是聾啞人的主要交流方式，研究連續(xù)手語識別具有更加重要的社會意義。
　　本文主要從兩個方面展開對連續(xù)手語識別的研究:第一部分旨在研究如何構(gòu)建更加有效的手語模型;第二部分旨在研究如何

2、有效地將連續(xù)手語語句劃分為孤立詞序列。
　　本文完成的研究內(nèi)容和創(chuàng)新點如下:
　　1.使用隱馬爾科夫模型來訓(xùn)練手語模型，在此基礎(chǔ)上首先，提出加入樣本權(quán)重的參數(shù)訓(xùn)練方法，針對難以區(qū)分的樣本賦以較大的權(quán)重，使得學(xué)習(xí)到模型能夠?qū)υ擃悩颖居泻芎玫倪m應(yīng)性;其次，引入?yún)^(qū)分性信息，將手語運動軌跡長度約束加入到隱馬爾科夫模型的分類模型中，進一步提高識別性能;最后，使用閾值模型來生成運動連接詞模型。
　　2.結(jié)合隱馬爾科夫模型和逐層構(gòu)筑

3、動態(tài)規(guī)劃算法來完成連續(xù)句子手語的詞序列劃分和識別。首先，將連續(xù)手語句子的詞序列劃分任務(wù)轉(zhuǎn)化為求解最優(yōu)句子級別的標記匹配概率，使用逐層構(gòu)筑算法來完成最優(yōu)標記匹配概率的查找;其次，將基于手語詞幀長約束的搜索窗口策略和基于n-gram的搜索路徑策略加入到逐層構(gòu)筑算法中提高整體搜索效率與句子級別識別率;最后，為了降低整個算法的計算復(fù)雜度，提出隱馬爾科夫模型中似然概率的快速計算方法提高整體算法的運行效率。
　　3.搭建連續(xù)中國手語識別系統(tǒng)。