文献类型：期刊文章

作　　者：蒋贤维[1] 张妙娴[2] 朱兆松[1]

JIANG Xian-wei;ZHANG Miao-xian;ZHU Zhao-song(School of Mathematics and Information Science,Nanjing Normal University of Special Education,Nanjing 210038,China;Zhou Enlai School of Government,Nankai University,Tianjin 300071,China)

机构地区：[1]南京特殊教育师范学院数学与信息科学学院,南京210038 [2]南开大学周恩来政府管理学院,天津300071

出　　处：《计算机科学》

基　　金：江苏省自然科学基金(16KJB520029);江苏省高校哲学社会科学研究基金项目(2017SJB0668);江苏省高校优秀中青年教师和校长境外研修项目资助

年　　份：2019

卷　　号：46

期　　号：S11

起止页码：303-308

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：手语识别是打破聋人和健听人之间交流障碍的有效途径。中国手语一般可以分为手势语和手指语,手势语因为地区性和个体差异性导致种类和变化繁多,识别相对困难,所以需要不断学习和训练;手指语通过拼音字母的表现形式给出结果,表达具有确定性,尤其在姓名、特殊含义、抽象表达方面效果明显。手语识别中,大部分的研究主要聚焦于某种手势,围绕手形、方向、位置和运动轨迹等关键特征,并结合某些学习算法来提升识别的准确率,然而最基本可靠的手指语识别却往往被忽略。为此,文中提出了一种基于灰度共生矩阵(GLCM)和精度高斯支持向量机(FGSVM)的方法来更准确有效地识别中国手语手指语。首先构建手指语数据集,即通过数码相机直接获取手指语图像或者从视频中选取关键帧作为手语图像素材,然后将手形从图像背景中分割出来,把每个图像调整为N×N的特定尺寸并转换为灰度图像;其次是提取特征,即对灰度图像中强度值的数量进行降维,同时创建对应的灰度共生矩阵,通过调整像素间的距离和角度等参数来获取增强的数据特征;最后,将提取的图像的特征数据提交到精度高斯支持向量机分类器中,进行10倍交叉验证和分类测试。对30种类别的510个中国手语手指语图像样本的实验结果表明,基于GLCM-FGSVM的分类准确率最高可达到92.7%,可以认为该方法在中国手语手指语分类方面卓有成效。

关 键 词：手语识别 中国手语 手指语  灰度共生矩阵  精度高斯支持向量机  

分 类 号：TP391.41]