基于迁移学习的跨对象手语手势识别方法

手语是听障人士重要的交流工具,准确识别手语可以减少健全人和听障人士之间的交流障碍。一般深度学习识别模型的性能高度依赖于所采集的数据,这导致模型跨对象泛化能力较差。因此,通过迁移学习的方法设计一种具有跨对象泛化能力的手语手势识别模型。首先,使用特征提取器融合表面肌电流(Surface Electromyography,sEMG)信号和惯性传感器(Inertial Measurement Unit,IMU)信号。然后,提出一种域对抗训练方法,其可以仅依靠源域数据完成特征提取器和域分类器的对抗训练,实现特征提取从源域到目标域的迁移。最后,在手势分类器中利用域不变特征实现手语手势跨对象识别,提高了模型的泛化能力。实验表明,在包含200种手语手势共60000条手语样本数据集上,所提模型可将手语跨对象识别准确率提高到85.1%。

AirG:一种基于信道状态信息的空中手语手势识别方法

目前常用的手势识别方法存在设备部署困难与价格高昂的问题,遂本文提出基于信道状态信息的手语识别方法。该方法利用WiFi设备采集信道状态信息,选用局部离群因子检测算法与离散小波变换相结合的方法降低数据噪声,并通过主成分分析法筛选子载波。经降噪后,提取手势波形特征值,最终通过自适应算法多次训练的隐马尔科夫模型得出识别结果。结果表明,该方法可有效识别多种环境下不同人员手语手势的表达且平均识别率达88.98%,相较其他系统识别精度更优。

基于高分子功能敏感材料手势识别触觉传感器与性能优势

非聋哑人士极少习得手语,是导致聋哑人与非聋哑人之间沟通障碍的主要原因之一,手语手势识别技术能够将手语利用材料技术、信号学技术等进行翻译获得文本或语音,从而实现聋哑人与非聋哑人之间多途径沟通。文章以手语手势识别为主要研究领域,对高分子功能材料、集成技术等应用于手语手势识别触觉传感器情况进行分析。对高分子功能材料性能优势及其带来的触觉传感器技术革新等进行总结,旨在为手语手势识别触觉传感器领域应用高分子技术发展提供理论借鉴。