一种基于SCHMM的手语识别方法  

SCHMM for Sign Language Recognition

作　　者：张岱 柯珂[2] 

机构地区：[1]中国网通(集团)有限公司北京市分公司,北京100075 [2]华北科技学院,北京101601

出　　处：《计算机技术与发展》2009年第7期149-151,共3页Computer Technology and Development

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)

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。The research of sign language recognition has great academic value and broad application prospect. In recent works on sign language recognition, Hidden Markov Models （HMMs） has played an important role. The statistical frame based on the HMM is the mainstream method in dynamic recognition domain recendy; also is this article＇s basic theory. Presents a Semi - Continuous Hidden Markov Model for sign language recognition, shows that SCHMM is prior to the DHMM and the CHMM in theory. SCHMM avoid the information loss because of the vector estimate in DHMM; debase the complexity and the operations at the same recognition rate.

关 键 词：手语识别 HMM Semi—Continuous Hidden MARKOV Model 观察值 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]