基于多特征SVMs分類器的手語識別*

　　引言

　　手語識別的目的就是通過計算機提供一種有效的、準確的機制將聾啞人常用的手語手勢識別出來，使得他們與健全人之間的交互變得更方便、快捷。同時，手語識別的應用還可以提供更自然的人機交互方式，方便聾啞人對計算機等常用信息設備的使用。目前手語識別可以分為基于視覺(圖像)的識別系統(tǒng)和基于數(shù)據手套(佩戴式設備)的識別系統(tǒng)。基于視覺的手勢識別系統(tǒng)采用常見的視頻采集設備作為手勢感知輸入設備，價格便宜、便于安裝。鑒于基于視覺的手勢識別方法交互自然便利，適于普及應用，且更能反映機器模擬人類視覺的功能，所以目前是手勢識別的研究重點。

　　手語識別的研究開始于1982年，Shantz和Poizner實現(xiàn)了一個合成美國手語的計算機程序。之后，中國、美國、日本、德國等許多國家都進行了自己國家的手語識別與合成研究，并取得了許多重要的研究成果。Triesch和Malsburg開發(fā)了一種彈性圖模板匹配技術對復雜背景下的手形進行分類[1]，在相對復雜的背景下的識別率達到86.2%。Davis和Shah將戴上指間具有高亮標記的視覺手套的手勢作為系統(tǒng)的輸入，可識別7種手勢[2]。Starner[3]等在對美國手語中帶有詞性的40個詞匯隨機組成的短句子識別率達到99.2%。Yang等人采用7Hu不變矩特征量進行手語字母識別，最好識別率為90%[4]。

　　本文采用SVMs (Support Vector Machines，支持向量機)作為手語識別的分類器，提出了一種基于視覺的手語字母識別方法。SVMs在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，并能夠推廣應用到函數(shù)擬合等其他機器學習問題中。采用SVMs作為圖像分類器首先要解決的問題是：如何用典型視覺特征來表征圖像的不同視覺特性[5]。

　　在圖像特征提取方面，為了能夠同時表征圖像的全局特性和局部特性，需要同時提取圖像的全局特征和局部特征，并且這些特征中用以描述圖像整體形狀的特征應當具備平移、旋轉和尺度不變性。SIFT(Scale Invariant Feature Transform)是一種對尺度空間、圖像縮放、旋轉甚至仿射不變的圖像局部特征描述算子[6];而7Hu不變矩特征量具有平移、旋轉和尺度不變性的特點，具有很好的穩(wěn)定性，適合描述目標整體形狀。

　　手語簡介

　　手語是一種聾人使用的語言，是一種靠動作/視覺交際的特殊語言[7]。中國手語包括30個手指字母，大約5500個基本手勢詞。手指語是從字母語言發(fā)展起來的，是漢語手語的一種，用一個指式代表一個漢語拼音字母，按照漢語拼音方案拼成普通話。而手勢語則是由象形語言發(fā)展起來的。它充分利用人的手勢、表情和身體動作形象地表達物體和行動的最基本特征。

　　中國文字改革委員會、教育部等單位于1963年聯(lián)合公布實施漢語手指字母方案[7]。方案中包括漢語拼音中26個單字母(A～ Z)和4個雙字母(ZH、CH、SH、NG)如圖1所示。

　　圖1 中國手語字母表