连续手语识别中的文本纠正和补全方法

针对基于视频的连续手语识别的文本结果存在语义模糊、语序混乱的问题,提出一种两步法将连续手语识别结果的手语文本转化为通顺、可懂的汉语文本。第一步,基于自然手语规则以及N元语言模型（N-gram）对连续手语识别的结果进行文本调序;第二步,利用汉语通用量词数据集训练双向长短期记忆（Bi-LSTM）网络模型,以解决手语语法无量词的问题,从而提升语句通顺度。使用绝对准确率和最长正确子序列占比作为文本调序的评价指标,实验结果显示,所提方法的文本调序结果绝对准确率为77.06%,最长正确子序列占比为86.55%,量词补全准确率为97.23%。所提的方法能够有效提升连续手语识别的文本结果的通畅度和可懂度,已成功应用于基于视频的连续手语识别,提升了听障人和健听人的无障碍交流体验。     

基于SVM的类别增量人体活动识别方法

基于人体活动识别(Human Activity Recognition,HAR)的健康监护是发现健康异常的一种重要手段.然而,在日常活动识别中,很难提前获取包含所有可能活动类别的训练样本.当预测阶段出现新增类别时,传统的支持向量机(Support Vector Machine,SVM)会将其错误地分类为已知类别.一个鲁...