一种数据手套的模糊手语识别方法
【专利摘要】本发明公开了一种数据手套的模糊手语识别方法，包括以下步骤：获取手部动作数据并对其进行模糊处理，得到手势帧序列；根据手语数据库和概率数据库，对得到的手势帧序列进行识别处理，得到手势帧序列识别结果。本发明通过对手部动作数据进行模糊处理，有效避免了因手掌大小不一造成的识别率较低的问题，而且通过结合手语数据库和概率数据库，使得本发明能根据前后手势选取当前手势最优的识别，大大提高手势识别的准确率。本发明作为一种数据手套的模糊手语识别方法可广泛应用于手语识别产品中。
【专利说明】一种数据手套的模糊手语识别方法
【技术领域】
[0001] 本发明涉及手势识别领域，尤其涉及一种数据手套的模糊手语识别方法。
【背景技术】
[0002] 手势识别国内外科学家已经进行过了大量研究。1994年，Ramon M S和Dannil T 研制了一种基于物理约束的手抓取过程的手动作合成的控制与抓取系统。1995年，Lee J intae和Kunii Tosiyasv L研究用摄像机获得手的运动图像数据来自动分析三维手势，实 现三维手势重构。1997年，加拿大多伦多大学的Sidney S F研究的Glove Talkll系统是 目前最有影响的手势接口系统，他采用神经网络将用户手势转换成手势语言参数，通过语 言合成器合成为语言输出。我国高文等人，也进行了基于手势和人的行为动作识别的手语 合成技术的研究。
[0003]目前基于传感器数据手套的手势识别是从传感器直接获得手指运动特征数据，然 后通过匹配的算法将其翻译成人可直接识别的文字或声音。但是目前手语翻译技术多数受 限于词语的识别，并且随着手语库的增多容易造成翻译混淆，并且由于人手的大小不一，也 比较容易造成不同人之间的手势识别效率差别较大，识别准确率较低。
【发明内容】
[0004] 为了解决上述技术问题，本发明的目的是提供一种能提高手势识别的准确率的一 种数据手套的模糊手语识别方法。
[0005] 本发明所采用的技术方案是：
[0006] -种数据手套的模糊手语识别方法，包括以下步骤：
[0007] A、获取手部动作数据并对其进行模糊处理，得到手势帧序列；
[0008] B、根据手语数据库和概率数据库，对得到的手势帧序列进行识别处理，得到手势 帧序列识别结果。
[0009] 作为所述的一种数据手套的模糊手语识别方法的进一步改进，所述的步骤A包 括：
[0010] A1、获取手部动作数据中的各个手指的弯曲角度，并根据预设的弯曲隶属度函数， 得出对应的各个手指的弯曲状态；
[0011] A2、获取手部动作数据中的手掌俯仰角，并根据预设的俯仰隶属度函数进行计算， 得出结果值最大的即为对应的俯仰状态；
[0012] A3、获取手部动作数据中的手掌倾斜角，并根据预设的倾斜隶属度函数进行计算， 得出结果值最大的即为对应的倾斜状态；
[0013] A4、获取手部动作数据中的手掌偏航角，并根据预设的偏航隶属度函数进行计算， 得出结果值最大的即为对应的偏航状态；
[0014] A5、根据计算得到的俯仰状态、倾斜状态和偏航状态，结合预设的规则，得出对应 的手掌朝向；
[0015]A6、根据手掌朝向和各个手指的弯曲状态，得出手势帧，并进而得出手势帧序列。
[0016] 作为所述的一种数据手套的模糊手语识别方法的进一步改进，其特征在于：所述 的步骤B包括：
[0017]B1、获取手势帧序列，依照从头到尾的顺序提取手势帧；
[0018]B2、将提取的手势帧分别依次放入对应的结点中；
[0019]B3、依次从手语数据库中提取各个手势帧对应的所有字词，并将其附加进对应的 结点中，直到手势帧序列上所有手势帧均完成手语数据库的检索；
[0020] B4、将相邻两个结点所附带的字词按照结点的顺序分别两两组合，组合中由上一 个结点的字词指向下一个结点的字词；
[0021]B5、将所有组合分别在概率数据库中索引出各组合的概率；
[0022] B6、查找出各组合组成的句子中概率和最大的一个句子，得出手势帧序列识别结 果。
[0023] 作为所述的一种数据手套的模糊手语识别方法的进一步改进，所述的步骤A1中 的弯曲隶属度函数为：
【权利要求】
1. 一种数据手套的模糊手语识别方法，其特征在于，包括以下步骤： A、 获取手部动作数据并对其进行模糊处理，得到手势帧序列； B、 根据手语数据库和概率数据库，对得到的手势帧序列进行识别处理，得到手势帧序 列识别结果。
2. 根据权利要求1所述的一种数据手套的模糊手语识别方法，其特征在于：所述的步 骤A包括： A1、获取手部动作数据中的各个手指的弯曲角度，并根据预设的弯曲隶属度函数，得出 对应的各个手指的弯曲状态； A2、获取手部动作数据中的手掌俯仰角，并根据预设的俯仰隶属度函数进行计算，得出 结果值最大的即为对应的俯仰状态； A3、获取手部动作数据中的手掌倾斜角，并根据预设的倾斜隶属度函数进行计算，得出 结果值最大的即为对应的倾斜状态； A4、获取手部动作数据中的手掌偏航角，并根据预设的偏航隶属度函数进行计算，得出 结果值最大的即为对应的偏航状态； A5、根据计算得到的俯仰状态、倾斜状态和偏航状态，结合预设的规则，得出对应的手 掌朝向； A6、根据手掌朝向和各个手指的弯曲状态，得出手势帧，并进而得出手势帧序列。
3. 根据权利要求1所述的一种数据手套的模糊手语识别方法，其特征在于：所述的步 骤B包括： B1、获取手势帧序列，依照从头到尾的顺序提取手势帧； B2、将提取的手势帧分别依次放入对应的结点中； B3、依次从手语数据库中提取各个手势帧对应的所有字词，并将其附加进对应的结点 中，直到手势帧序列上所有手势帧均完成手语数据库的检索； B4、将相邻两个结点所附带的字词按照结点的顺序分别两两组合，组合中由上一个结 点的字词指向下一个结点的字词； B5、将所有组合分别在概率数据库中索引出各组合的概率； B6、查找出各组合组成的句子中概率和最大的一个句子，得出手势帧序列识别结果。
4. 根据权利要求2所述的一种数据手套的模糊手语识别方法，其特征在于：所述的步 骤Al中的弯曲隶属度函数为：
其中，X e UQ，Utl表示手指弯曲角度，Utl= [0,120]，在Utl上建立手指弯曲角度的三个 模糊集Atl表示弯曲状态为"伸直"的状态，A1 =表示弯曲状态为"半弯曲"的状态，A2 =表 示弯曲状态为"紧握"的状态。
5. 根据权利要求2所述的一种数据手套的模糊手语识别方法，其特征在于：所述的步 骤A2中的俯仰隶属度函数为：
其中，X e U1, U1表示手掌俯仰角，U1 = [-90,90]，在U1上建立俯仰角的三个模糊集Btl 表示俯仰角为"俯"的状态，B1 =表示俯仰角为"水平"的状态，B2 =表示俯仰角为"仰"的 状态。
6. 根据权利要求2所述的一种数据手套的模糊手语识别方法，其特征在于：所述的步 骤A3中的倾斜隶属度函数为：
其中，y e U2, U2表示手掌倾斜角，U2 = [-180,180]，在U2上建立倾斜角的三个模糊集 Q1表示倾斜角为"左倾"的状态，C1 =表示倾斜角为"水平"的状态，C2 =表示倾斜角为"右 倾"的状态，C3 =表示倾斜角为"翻转水平"的状态。
7.根据权利要求2所述的一种数据手套的模糊手语识别方法，其特征在于：所述的步 骤A3中的偏航隶属度函数为：
其中，Z e U3, U3表示手掌偏航角，U3 = [0,360]，在U3上建立偏航角的三个模糊集Dtl 表示偏航角为"前"的状态，D1 =表示偏航角为"右"的状态，D2 =表示偏航角为"后"的状 态，D3 =表示偏航角为"左"的状态。
8. 根据权利要求1所述的一种数据手套的模糊手语识别方法，其特征在于：所述手语 数据库以手指弯曲状态和手掌朝向形成的手势帧作为索引，手势对应的字词作为被索引的 内容。
9. 根据权利要求1所述的一种数据手套的模糊手语识别方法，其特征在于：所述概率 数据库中的字词组合的概率为利用语言模型训练工具SRILM得到。
【文档编号】G06K9/52GK104392237SQ201410655579
【公开日】2015年3月4日 申请日期:2014年11月17日 优先权日:2014年11月17日
【发明者】郝志锋, 王可炜, 周言明, 陈曦 申请人:广州畅途软件有限公司