面向手语自动翻译的基于Kinect的手势识别

提出了一种基于3D体感摄像机Kinect设备实现面向手语自动翻译的手势识别方法,利用Kinect体感外设提供的深度图像实现手的检测,并通过OpenNI+NITE框架中函数获得手掌质心在三维空间中的位置,然后通过等值线追踪算法(又称围线追踪算法)和三点定位算法识别出手指实现了手势跟踪,最后通过矢量匹配方法识别手指名字,并设计了三层分类器来实现静态手势语的识别.相较于传统的基于数据手套和单目摄像机的方法,本方法识别的更准确.基于上述方法,实现了一个手势识别系统.实验结果显示,本文提出的方法更加简洁且行之有效.

基于机器学习的智能仿生双向手语自动翻译系统

现有双向手语自动翻译系统估算得到的阻抗参数过小,翻译的仿生手部滑动轨迹及节点过少的问题,导致翻译不准。设计基于机器学习的智能仿生双向手语自动翻译系统。设计智能仿生手主控控制器结构,并在传感器结构内,利用质量块及弹簧,组建陀螺仪压力结构。软件部分标定手语轨迹数据点,设定模拟数值控制关系,规整为双向的语义翻译过程,转化语言信息并输出编码向量后,利用编程语言实现自动翻译软件功能。随机选定十项基础手势后,采集手势翻译数据并整理为数据集,应用两种传统手语自动翻译系统与所设计的自动翻译系统进行实验,结果表明:所设计的手语自动翻译系统翻译处理的手部划定轨迹及节点最多,能够完整地翻译手语表示的语义。

基于词根的中国手语识别方法

迄今为止 ,手语识别面临的最大问题是如何解决词汇集易扩充的连续识别 提出一种大词汇量连续中国手语识别方法 ,将词根作为识别基元 ,由于基元的数目是有限的 ,因此基于HMM的手语信号的训练和识别变得比较容易处理 ,可以实现更大词汇量的识别 除此之外 ,所提方法还有利于实现手势语和手指语的混合识别 从中国手语中共整理出2 4 0 0多个词根 ,为每个词根建一个并行的HMM模型 ,对各数据流的HMM模型进行聚类 ,确定出手语识别的基元 根据这些基元对手势词编码 ,并建立了树状搜索网格 ,使用状态结点上高斯密度函数聚类、语言模型和N Best方法提高系统的速度和精度 对 5 119个手语词做了实验 ,连续语句的识别率可在 90