計算機視覺中手語識別研究

手語識別的目的就是通過計算機提供一種有效的、準確的機制將聾啞人常用的手語手勢識別出來，使得他們與健全人之間的交互變得更方便、快捷。同時，手語識別的應用還可以提供更自然的人機交互方式，方便聾啞人對計算機等常用信息設備的使用。目前手語識別可以分為基于視覺（圖像）的識別系統(tǒng)和基于數據手套（佩戴式設備）的識別系統(tǒng)。基于視覺的手勢識別系統(tǒng)采用常見的視頻采集設備作為手勢感知輸入設備，價格便宜、便于安裝。鑒于基于視覺的手勢識別方法交互自然便利，適于普及應用，且更能反映機器模擬人類視覺的功能，所以目前是手勢識別的研究重點。

手語識別的研究開始于1982年，Shantz和Poizner實現(xiàn)了一個合成美國手語的計算機程序。之后，中國、美國、日本、德國等許多國家都進行了自己國家的手語識別與合成研究，并取得了許多重要的研究成果。Triesch和Malsburg開發(fā)了一種彈性圖模板匹配技術對復雜背景下的手形進行分類，在相對復雜的背景下的識別率達到86.2%。Davis和Shah將戴上指間具有高亮標記的視覺手套的手勢作為系統(tǒng)的輸入，可識別7種手勢。Starner等在對美國手語中帶有詞性的40個詞匯隨機組成的短句子識別率達到99.2%。Yang等人采用7Hu不變矩特征量進行手語字母識別，最好識別率為90%。

在圖像特征提取方面，為了能夠同時表征圖像的全局特性和局部特性，需要同時提取圖像的全局特征和局部特征，并且這些特征中用以描述圖像整體形狀的特征應當具備平移、旋轉和尺度不變性。SIFT（Scale Invariant Feature Transform）是一種對尺度空間、圖像縮放、旋轉甚至仿射不變的圖像局部特征描述算子;而7Hu不變矩特征量具有平移、旋轉和尺度不變性的特點，具有很好的穩(wěn)定性，適合描述目標整體形狀。

數據堂自制版權的系列數據集產品為“手勢識別”這一技術路徑的實現(xiàn)提供了強有力的支持。

1314,178張18種手勢識別數據

314,178張18種手勢識別數據涵蓋多種場景、18種手勢、5種拍攝角度、多年齡段、多種光照條件。在標注方面，標注21關鍵點（每個關鍵點有可見不可見屬性）、手勢類別和手勢屬性。314,178張18種手勢識別數據可用于手勢識別、人機交互等任務。

基于線性核函數的SVM平均識別率為95.556%，基于徑向基核函數的SVM平均識別率為83.1282%。實驗表明，采用徑向基核函數的SVM識別率普遍低于采用線性核函數的SVM。

本文提出了一種采用7Hu不變矩特征量等多種圖像特征相融合的SVMs手語識別方法。實驗表明，在手語識別中，采用圖像全局和局部特征相結合的方法，可獲得較高的識別率，為手語識別方法的早日推廣應用提供了理論依據。

審核編輯黃宇