基于颜色手套的中国手指语字母的动静态识别

作为一种高度结构化的语言,手语具有与口语和文字语言一样的表达能力。基于视觉的手语识别不仅更加符合人们的习惯而且具有非常广阔的应用空间。该文采用指尖染色和手指染色的颜色手套模型实现了可以识别中国手指字母表30个基本手形的动静态手势识别系统,识别率达到100%。

智能仿生双向手语翻译系统

设计了一套智能仿生双向手语翻译系统,该系统主要由STM32微处理器、LD3320非特定语音识别模块、SYN6288语音合成芯片等组成,能够实现语音与手势的双向翻译。其中语音转手势部分可通过语音识别模块获得指令,手语机器人根据指令完成语音转动作的翻译。手势转语音部分通过数据手套捕获手臂的动作和姿态,识别手语动作,控制手语机器人发出语音。该系统具有成本低、识别度高、使用方便等优势,具有良好的应用前景。

基于自编码的中国手语识别研究

针对动态手语上下文联系强的特点,采用LSTM(Long Short-Term Memory)循环神经网络用于识别,同时,利用自编码实现动态手语的无监督学习。该方法将数据手套作为采集设备,在获取手语信息后,通过编码器、解码器生成手语的重构矢量。在实验过程中,将采集的数据集进行模型的训练,并与监督学习的结果进行比较。实验结果表明,该方法能够有效进行手语识别的无监督学习。

基于ARM的数据手套及其手语识别系统的设计与实现

文章介绍了以ARM9芯片S3C2440为平台的数据手套及其手语识别系统的设计与实现.首先给出了利用弯曲传感器和三轴加速传感器组成的数据手套的整体架构设计;其次,描述了采用FLX-03传感器的手指弯曲度模块、采用ADXL345传感器的手部动作模块、USB通讯模块的实现以及与Mini2440开发板的连接方法;最后,给出了基于该数据手套的一个手语识别系统,该系统界面友好,功能实用、扩展性强、手语识别效率高,可添加更多的手势语,能很好地识别简单的手语.

探讨“手套征”在肺癌中的诊断价值

目的:探讨“手套征”在肺癌中的诊断价值。方法:回顾性分析15例经手术病理证实的伴有手套征样改变的肺癌患者的平片及CT表现。结果:15例中单纯手套征样病灶4例,气管支气管腔内结节合并手套征样病灶2例,肺门结节或肿块合并手套征样病灶9例。15例均经手术病理证实,其中9例鳞癌,5例小细胞肺癌。1例腺样囊性肺癌。结论:“手套征”在肺癌中具有重要的诊断价值。