2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩61頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、近年來(lái),智能人機(jī)交互在人們的日常生活中占據(jù)了越來(lái)越重要的地位。隨著人機(jī)交互的不斷發(fā)展,要求人們使用更加直觀快捷的交流方式。手語(yǔ)作為一種特殊的語(yǔ)言,不僅可以幫助聾啞人與其他人進(jìn)行正常的交流,而且手語(yǔ)手勢(shì)也可以作為一種新的交流方法應(yīng)用在人機(jī)交互中。手語(yǔ)包含了手的形狀、位置、運(yùn)動(dòng)、朝向和面部表情等豐富的信息,進(jìn)行手語(yǔ)識(shí)別研究可以促進(jìn)計(jì)算語(yǔ)言學(xué)、空間幾何學(xué)、模式識(shí)別學(xué)、計(jì)算機(jī)視覺(jué)、圖像圖形學(xué)、機(jī)器人學(xué)等多個(gè)學(xué)科的發(fā)展。因此,手語(yǔ)手勢(shì)識(shí)別對(duì)提高計(jì)

2、算機(jī)的人類語(yǔ)言理解水平和發(fā)展人機(jī)交互技術(shù)具有重要意義。
   表面肌電(Surface Electromyography,SEMG)傳感器和加速計(jì)(Accelerometer,ACC)由于其結(jié)構(gòu)簡(jiǎn)單、成本較低、便于攜帶的特點(diǎn),成為了目前手勢(shì)識(shí)別研究中兩種常用的傳感器設(shè)備。SEMG和ACC信息分別從不同的角度對(duì)手語(yǔ)動(dòng)作的特征進(jìn)行描述。SEMG反映了手的形態(tài)、關(guān)節(jié)的伸屈、手部肌肉的收縮放松等信息,在精細(xì)手指動(dòng)作識(shí)別上有著獨(dú)特優(yōu)勢(shì),但

3、它本身是一種微弱的電生理信號(hào),對(duì)傳感器安放位置比較敏感,其信號(hào)采集時(shí)受外界影響較大。加速計(jì)可以對(duì)手勢(shì)的大尺度運(yùn)動(dòng)信息進(jìn)行檢測(cè),但其無(wú)法精確檢測(cè)出靜態(tài)手勢(shì)和小幅度運(yùn)動(dòng)手勢(shì)。
   本文一方面結(jié)合表面肌電(surface electromyography,SEMG)傳感器和加速計(jì)(accelerometer,ACC)在手勢(shì)信息檢測(cè)上的不同優(yōu)勢(shì),提出了基于兩種傳感器信息融合的手語(yǔ)手勢(shì)識(shí)別方法。另一方面針對(duì)SEMG等信號(hào)受個(gè)體動(dòng)作差異影

4、響較大的問(wèn)題,將統(tǒng)計(jì)語(yǔ)言模型和句法模型引入到手語(yǔ)識(shí)別中,利用語(yǔ)言學(xué)的知識(shí)對(duì)手語(yǔ)識(shí)別結(jié)果進(jìn)行檢測(cè),提高多類手語(yǔ)手勢(shì)動(dòng)作的識(shí)別率,擴(kuò)展可識(shí)別詞匯量。
   本文主要研究?jī)?nèi)容和研究成果如下:
   (1)將手語(yǔ)詞拆分成詞根的組合形式,以“詞根”作為手語(yǔ)識(shí)別基本單元。用詞根代替整個(gè)手語(yǔ)詞進(jìn)行多流隱馬爾科夫(Hidden Markov Model,HMM)建模識(shí)別,并使用多級(jí)決策樹(shù)方法降低識(shí)別復(fù)雜度,有效縮短了訓(xùn)練和識(shí)別所消耗的時(shí)

5、間,提高了識(shí)別率。
   (2)針對(duì)中國(guó)手語(yǔ)識(shí)別中出現(xiàn)的錯(cuò)誤,將統(tǒng)計(jì)語(yǔ)言模型引入了識(shí)別過(guò)程,提出了基于N-gram模型的中國(guó)手語(yǔ)詞根識(shí)別糾錯(cuò)方法。該方法首先通過(guò)對(duì)常見(jiàn)的手語(yǔ)語(yǔ)料庫(kù)進(jìn)行統(tǒng)計(jì),得到相應(yīng)的詞根接續(xù)概率,然后利用互信息,轉(zhuǎn)移概率等對(duì)相鄰的詞根組進(jìn)行判定,從中檢查出識(shí)別錯(cuò)誤的詞根。這種方法的優(yōu)點(diǎn)在于用來(lái)進(jìn)行詞根接續(xù)判斷的互信息等參數(shù)來(lái)源于語(yǔ)料庫(kù)的概率信息,不會(huì)受到信號(hào)本身差異性的影響。使用此方法,得到的手語(yǔ)詞根識(shí)別率達(dá)到9

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論