基于关键帧的多级分类手语识别研究*

提出了一种基于关键帧识别的多级分类的手语识别方法,该方法采用HDR(多层判别回归)/DTW（动态时间规正）模板匹配多级分类方法。根据手语表达由多帧构成的特点,采用SIFT(尺度不变特征变换)算法定位获取手语词汇的关键帧,并提取其特征向量;根据手语词汇的关键帧采用HDR方法缩小搜索范围,然后采用DTW比较待识别的手语词特征与该范围内每一个手语词进行匹配比较,计算概率最大的为识别结果。这种方法在相同识别率的情况下比HMM识别方法速度提高近8.2%,解决了模板匹配法在大词汇量面前识别率快速下降的问题。     

基于SCHMM的手语识别方法的实验研究

在近些年的手语识别工作中,HMM起到了重要的作用。提出将SCHMM用于手语识别,实验结果表明SCHMM优于离散隐马尔科夫模型（DHMM）和连续隐马尔科夫模型（CHMM）,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。     

基于深度学习的连续手语语句识别算法

目前,关于连续手语语句识别的研究相对较少,原因在于难以有效地分割出手语词。该文利用卷积神经网络提取手语词的手型特征,同时利用轨迹归一化算法提取手语词的轨迹特征,并在此基础上完成长短期记忆网络的构建,从而为手语语句识别准备好手语词分类器。对于一个待识别的手语语句,采用基于右手心轨迹信息的分割算法来检测过渡动作。由过渡动作可以将语句分割为多个片段,考虑到某些过渡动作可能是手语词内部的动作,所以将若干个片段拼接成一个复合段,并按照层次遍历的次序对所有复合段运用手语词分类器进行识别。最后,采用跨段搜索的动态规划算法寻找最大后验概率的词汇序列,从而完成手语语句的识别。实验结果表明,该算法可以对47个常用手语词组成的语句做出识别,且具有较高的准确性和实时性。     

一种基于SCHMM的手语识别方法

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(HiddenMarkov Models,简称HMMs)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(SCHMM)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(DHMM)和连续隐马尔科夫模型(CHMM),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.     

基于虚拟人合成技术的中国手语合成方法

介绍了一种中国手语合成方法,实现了文本到中国手语的自动翻译,并使用虚拟人合成技术,实现了中国手语的合成与显示,以此帮助聋人与听力正常人之间实现自然交流.在该方法中,首先应用两只数据手套和3个6自由度位置跟踪器,基于运动跟踪的原理,记录真实人体演示每个手语词的运动数据,建立一个初始的手语词运动数据库.然后,应用一种基于控制点的人体运动编辑方法,对每个手语词的运动数据进行编辑与微调,最后得到一个高质量的手语词运动数据库.当给定一个文本句子时,应用人体运动合成方法,对每个手语词的手语运动片段进行拼接合成,最终生成一个完整的手语运动,并基于VRML的人体运动显示方法将合成的运动逼真地显示出来.基于该方法,在PC/Windows/VC6.0环境下实现了一个中国聋人手语合成系统.该系统采集了<中国手语>(含续集)中收录的5 596个手语词,可以合成一般生活与教学用语.经聋校的老师和学生确认,合成手语准确逼真,可以广泛应用于教学、电视、Internet 等多种大众媒体,帮助聋人参与其他听力正常人的活动,具有广泛的应用前景和重要的社会意义.     

基于多级分类的货车车号识别算法

一种基于多级分类的货车车号识别算法。该算法首先利用模板匹配法进行粗分,然后将粗分的结果采用特征匹配的方法作进一步的细分,再利用特定设计的分类器来识别一些候选结果非常相似的字符。     

一种快速有效的印刷体文字识别算法

为了利用低成本的硬件来实现对印刷体文字的快速识别,提出了一种基于多级分类的印刷体文字快速识别算法,该算法从预处理、特征提取,到模式匹配各个阶段,都对传统方法作了合理的改进.该算法首先是采用36×36,而不是传统的48×48点阵进行归一化,从而有效地减少了计算量和字典容量;其次是采用改进的粗外围特征,并进行二重分割,以提高特征的稳定性;最后在各级分类中采用了不同的判别准则,包括绝对值距离、欧氏距离及相似度准则,以适应于时间、准确性的不同要求.同时用该算法对一级汉字7000个样本进行了实验,其结果表明,实际正确识别率(正识率)达95%,前5位累积正识率可达98%,从而为“电子阅读笔”的开发与研制打下了坚实的理论基础.     

汉字识别中以词为分类单位的分类器研究

汉字识别中,以往的分类器设计都是以字为单位的“字分类器”。字分类器的输出总是与待识字结构相似的一个侯选字集合。这是使后级识别容易产生误识的主要原因。为克服字分类器的缺点,本文给出了以词为单位的词分类器设计的策略与方法,并实验验证了词分类器在分类率及分类速度方面均优于字分类器。     

基于SCHMM非特定人关键词检出语音识别系统

设计了一个基于半连续隐马尔可夫模型(SCHMM)以音节为基元的非特定人汉语小词表关键词确认语音识别系统.系统采用类似于Baum_Welch算法对VQ码书和HMM参数一起优化得到可靠的声学模型,并通过利用基于前向-后向搜索策略,来充分利用上下文相关信息,使关键词检出率在每个词每小时虚警率为10时已达到93%以上.还分析了码书大小对系统识别率的影响,并提出了以音节模型归一化算术均值作为关键词置信度的语音验证策略.     

指纹及指静脉双模态识别的二级分类融合法研究

针对单模态生物特征识别系统固有的局限性,提出一种基于二级分类的指纹与指静脉识别的决策级融合方法．首先,针对指纹和指静脉进行一级分类器设计,得出各自的识别结果;然后将这两种模态的特征点集以特征串联的方式形成新的特征矢量并构成第3个分类器进行二级分类,得出识别结果;最后将这3个识别结果进行决策级融合。得到最终的识别结果．实验结果表明,该方法有效地克服了单模态识别方法的局限性,提高了系统的性能。