融合表面肌电和运动传感器信息的中国手语手势识别技术研究

《融合表面肌电和运动传感器信息的中国手语手势识别技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、？＇＾、ｒ－■－？，？三＜＜ｓ；：ｊ，木固許違满若大赛ＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｏｆＣｈｉｎａｙｇｙ硕±学位论文雜誠合表巧肌电和运动传咸系信息巧论文题冒中国手语手势巧别技术研完朽喜东作者姓名生物医学工程学科专业除香逝：援导师姓名一二〇六？年五月完成时间Ｎ牛通种緣接禾乂＃硕±学位论文戀融合表面肌电和运动传感器信息的中国手语手势识别技术硏究作者姓名：杨喜东学科专业：生物医学工程导师姓名：陈香副教授二〇—六年

2、五月五日完成时间：■ＵｎｉｖｅｒｓｔｏｆＳｃｅｎｃｅａｎｄＴｅｃｈｎｏｏｏｆＣｈｉｎａｉｙｉｌｇｙ’Ａｄｉｓｓｅｒｔａｔｉｏｎｆｏ「ｍａｓｔｅｒｓｄｅｇｒｅｅ戀ＲｅｓｅａｒｃｈｏｆＣｈｉｎｅｓｅＳｉｎＬａｎｕａｅＲｅｃｏｎｉｔｉｏｎｇｇｇｇＴｅｃｈｎｏｌｏｂａｓｅｄｏｎｔｈｅＦｕｓｉｏｎｏｆＳｕｒｆａｃｅｇｙＥｌｅｃｔｒｏｍｙｏｇｒａｐｈｙａｎｄＩｎｅｒｔｉａｌＳｅｎｓｏｒｓ’Ａｕ化ｏｒｓＮａｍｅ：ＸｉｄｏｎｇＹａｎｇｓｐｅｃｉａｌｉｔｙ：ＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＳｕｐｅｒｖ

3、ｉｓｏｒ：Ａ．ＰｒｏｔＸｉａｎｇＣｈｅｎ化Ｆｉｎｉｓｈｅｄｔｉｍｅ：Ｍａ５２０１６ｙ，中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成果。除己特别加Ｌａ标注和致谢的地方外，论文中不包含任何他人已经发表或撰写过的研巧成果一。与我同工作的同志对本研究所做的贡献均己在论文中作了明确的说明。、壬作者签名／（長Ｉ；签字日期；以ＭＵ－７中国科学技术大学学位论文授权使用声明作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部

4、口或机构送交论文的复印件和电子版，允许论文被查阅和借阅，可Ｗ将学位论文编入《中国学位论文全文数据库》等有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制一致手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相。保密的学位论文在解密后也巧守此规定。开□保密（）＿＿年篇东．作者签名：特导师签名：巧看於！１．签字日期：叫签字日期：搁叟巧要－乎语是种结构化的语言，是聋哑人之间进巧Ｕ常交流的冬：嬰方式。但由于一正常人对乎语的语言属性并不熟悉，导致聋哑人与正常人之间的交流存在定的障得。手语识别技术可Ｌ乂利用计算机将手语动作表

5、达的信息视译成文本或语音，一是种非常自然．、友好的人机交互方式在日常交流、康复医疗、虚拟游戏等领域都取得了成功的应用。近几年，，面向大词汇量的手语觀译系统的研制引起越来越多的研巧者的关注并且取得了一定的研巧成果。然而，目前可识别手势词的数量仍然相对有限，无法满足正常人与聋哑人日常交流的基本需要，很。同时多相关的研巧工作中仅涉及用户相关的分类，对于用户无关分类的探索较为初步并且识别率相对较低。因此，较大的可识别手势词规模Ｗ及较好的用户无关性是真实手语翻译系统研制中迫切需要解决的关键问题。本文通过评估表面肌电、加速计和陀螺仪三种传感器及它们的不同组合形式

6、在单双手、手势朝向和手势幅度三种典型手势要素分类中的最佳识别表现，提出一了种优化的决策树分类结构并成功应用到１５０个常用中国手语手势词的模式分类中。本文的研究工作是本实验自制的便巧可穿戴数据采集腕带在较大词汇量用户无关手势识别研巧中的首次尝试，为面向大词汇量的手语翻译器的研制奠定了基础。本文的主要工作概括如下；１手势要素特征提取和分类识别研巧。利用实验室自制的集成表面肌电、（）一５０加速计和陀螺仪于体的数据采集系统采集１个常用中国手语手势动作巧据，探索了表面肌电、加速计和陀螺仪信号的多种特征及不同特征组合对单双手、手势朝向和手势幅度Ｈ种典型手势要素的分类

7、能力。。２基于多级决策树分类方案的手势词识别研巧首先，基于各级要素分类（）器的最佳特征组合，提出了优化的四级决策树分类结构并成功应用到１５０个常用中国手语手势词的识别中，在用户相关和用户无关的分类中分别取得了９４．３１％和８７．０２％的平均识别率。然后，通过与仅由多流隐马尔可夫模型构成的分类方法的对比，，验证了本文提出的优化决策树分类结构不仅可Ｗ有效的提高识别賴度同时可（＾＾显著降低测试过程的时间消耗。最后