一种基于SCHMM的手语识别方法

摘要：

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.

关键词：手语识别、HMM、Semi-Continuous Hidden Markov Model、观察值

所属期刊栏目：19

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60533030;北京市自然科学基金资助项目4061001

在线出版日期：2009-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：149-151