基于表面电肌图和运动信息的中国手语识别

科学领域:

• 计算机科学 计算机科学
• 生物医学工程 生物医学工程
• 语言学的语言学.

背景情况:

• 由于复杂的手势和手动轨迹,手语识别 (SLR) 面临着挑战.
• 现有的方法往往难以捕捉手语复杂的结构特征.

研究的目的:

• 开发和评估一种用于识别中国手语的新方法.
• 通过整合多个数据源来提高SLR的准确性和实用性.

主要方法:

• 利用表面电肌图 (sEMG) 信号和加速数据进行词汇细分.
• 采用多传感器决策融合方法,并配合隐藏的马尔科夫模型进行识别.
• 选择了120个常见的中文手语单词,包括9个手势和8个运动轨迹.

主要成果:

• 在中国手语词汇中,平均识别率为90.41%.
• 证明了融合sEMG信号振幅状态和运动轨迹信息的有效性.
• 验证了拟议的融合方法在手语识别中的可行性.

结论:

• sEMG信号和运动信息的融合为手语识别提供了一种强大而实用的方法.
• 结合隐藏的基于马尔科夫模型的多传感器融合有效地解决了手语的复杂性.
• 这项研究有助于推进自动化手语理解领域.