一种基于SCHMM的手语识别方法.pdfVIP

第 9 期 计算 机 技术 与发 展 Vo1．19 No．7 2009年 7月 COMPUTER TECHNoLoGY AND DEVELOPMENT ju1． 2009 一 种基于SCHMM 的手语识别方法 张 岱 ，柯 珂2 (1．中国网通(集团)有限公司北京市分公司，北京 100075； 2．华北科技学院，北京 101601) 摘 要：手语识别的研究具有重大的学术价值和广泛的应用前景。在近些年的手语识别工作中，隐马尔科夫模型(Hidden MarkovModeLs，简称 I{1 s)起到了重要的作用。基于HMM 的统计框架是当前动态识别领域的主流方法，同时也是该文 的研究工作的理论基础。提出将半连续隐马尔科夫模型(S(㈣ )用于手语识别，在理论上证明了SCHMM优于离散隐 马尔科夫模型(D}玎v )和连续隐马尔科夫模型(CI{MM)，可以避开DHMM中因矢量量化造成的信息损失，在保证识别率 的前提下降低模型的复杂性和运算量。 关键词 ：手语识别；HMIVI；Semi—ContinuousHiddenMarkovModel；观察值 中图分类号：TP391．4 文献标识码：A 文章编号：1673—629x(2(109)07—0149—03 SCHMM forSignLanguageRecognition ZHANG Dai，KE Ke2 (1．BeijingBranch，ChinaNetcom (Group)CxmapanyLimited，Beijing100075，China； 2．NorthChinaUniversityofScienceandTechnology，Beijing101601，China) AImraet：Theresearchofsignlanguagerecognitionhasgreatacadmaicvalueendbroadapplicatoinprospect．Inroee~tworksOnsignlne · guagerecognition，HiddenMarkovModels(HMM~)hasplayedanimportantrole．ThestatisticalframebasedontheHMM isthemain- stroAkfflmetlxxlindymmicrecognition inrecendy；alsoisthisarticle’sbasichteory．PresentsaSemi—Co ntinuousHiddenMarkov Modelforsignlallglla recognition，showsthatSCHMM ispriortotheDHMM andtheCHMM inthoery ．SCHMM avoidtheinforrm · tionlossbecflllseofthev~ctorestimateinDHMIVI；debasethecomplexityandtheoperatoinsatthe$al~erecognitoinrate． Keywords：signlanguagerecognition；H1VI1VI；semi—continuoushiddenMarkovmodel；observevalue O 引 言 末。根据手语输入设备的不同，分为采用视觉和数据 手语是聋人之间交流的主要方式 ，手势是人们之 手套两种方法 3【】。基于视觉的手语识别如 Chara— 间交流的重要辅助手段，因此手语和手势识别的研究 phayan和Marble研究了一种用图像处理的方法来识 具有重要的实际意义；同时。手语识别的研究还有助于 别31个美