基于手语视觉单词特征的手语字母识别研究

摘要：

为有效识别手语字母,提出一种手语视觉单词(SLVW)的识别方法.采用Kinect获取手语字母视频及其深度信息,在深度图像中,通过计算获得手语手势的主轴方向角和质心位置以调整搜索窗口,利用基于深度图像信息的DI_CamShift方法对手势进行跟踪,进而使用基于深度积分图像的Ostu方法分割手势,并提取其尺度不变特征变换数据.将局部特征描述子表示的图像小区域量化生成SLVW,统计一幅手语图像中的视觉单词频率,用词包模型表示手语字母,并用支持向量机进行识别.实验结果表明,该方法不受颜色、光照和阴影的干扰,具有较高的识别准确性和鲁棒性,对复杂背景手语视频中的30个手语字母的平均识别率达到96.21％.

关键词：手势跟踪、手语视觉单词、Ostu方法、深度图像、词包、手语字母

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目61075014;高等学校博士学科点专项科研基金资助项目20116102110027

在线出版日期：2014-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：192-197,202