基于HMM與Level Building的連續(xù)中國(guó)手語(yǔ)識(shí)別系統(tǒng)研究.pdf

1、隨著時(shí)代的發(fā)展與進(jìn)步，科技逐漸應(yīng)用到了日常生活中，特別是人機(jī)交互技術(shù)在日常生活中得到了廣泛應(yīng)用。而手語(yǔ)識(shí)別技術(shù)作為人機(jī)交互的一種方式，通過(guò)計(jì)算機(jī)技術(shù)將聾啞人的手語(yǔ)連續(xù)動(dòng)作翻譯成文字，使得正常人可以理解聾啞人的語(yǔ)言，促進(jìn)聾啞人與正常人之間的交流。由于連續(xù)手語(yǔ)是聾啞人的主要交流方式，研究連續(xù)手語(yǔ)識(shí)別具有更加重要的社會(huì)意義。
　　本文主要從兩個(gè)方面展開(kāi)對(duì)連續(xù)手語(yǔ)識(shí)別的研究:第一部分旨在研究如何構(gòu)建更加有效的手語(yǔ)模型;第二部分旨在研究如何

2、有效地將連續(xù)手語(yǔ)語(yǔ)句劃分為孤立詞序列。
　　本文完成的研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:
　　1.使用隱馬爾科夫模型來(lái)訓(xùn)練手語(yǔ)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(duì)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?lèi)樣本有很好的適應(yīng)性;其次，引入?yún)^(qū)分性信息，將手語(yǔ)運(yùn)動(dòng)軌跡長(zhǎng)度約束加入到隱馬爾科夫模型的分類(lèi)模型中，進(jìn)一步提高識(shí)別性能;最后，使用閾值模型來(lái)生成運(yùn)動(dòng)連接詞模型。
　　2.結(jié)合隱馬爾科夫模型和逐層構(gòu)筑

3、動(dòng)態(tài)規(guī)劃算法來(lái)完成連續(xù)句子手語(yǔ)的詞序列劃分和識(shí)別。首先，將連續(xù)手語(yǔ)句子的詞序列劃分任務(wù)轉(zhuǎn)化為求解最優(yōu)句子級(jí)別的標(biāo)記匹配概率，使用逐層構(gòu)筑算法來(lái)完成最優(yōu)標(biāo)記匹配概率的查找;其次，將基于手語(yǔ)詞幀長(zhǎng)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(jí)別識(shí)別率;最后，為了降低整個(gè)算法的計(jì)算復(fù)雜度，提出隱馬爾科夫模型中似然概率的快速計(jì)算方法提高整體算法的運(yùn)行效率。
　　3.搭建連續(xù)中國(guó)手語(yǔ)識(shí)別系統(tǒng)。