[發明專利]一種手語識別方法

在審

• 申請號: 201710816948.8
• 申請日: 2017-09-12
• 公開（公告）號: CN107506749A
• 公開（公告）日: 2017-12-22
• 發明（設計）人: 黃嘉良;連宗凱;李釗華;鐘喬煒;林煜森;黃遠鋒;毛偉煜;張妍
• 申請（專利權）人: 廣東技術師范學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F3/01
• 代理公司: 北京科億知識產權代理事務所(普通合伙)11350
• 代理人: 肖平安

技術領域

本發明屬于手語識別翻譯領域，具體是涉及一種手語識別方法。

背景技術

人類文明在當今社會得到了前所未有的高度發展，在目前倡導和諧、民主、平等和人權的社會中，弱勢群體得到了前所未有的關愛和權利，如婦女平等的法制完善，殘疾人的公共設施的籌建等。聾啞人作為殘疾人中的重要組成一部分，也應當受到社會的重視。而手勢姿態識別領域，則是作為聾啞人非常核心的設施技術領域之一。

1)2013年，Anupam Agrawal和Rohit Raj等人提出一種利用形狀識別算法檢測手指數量、手的方向及運動方向的特征檢測方法。

2)2015年，K.Chanda、W.Ahmed和S.Mitra等人通過檢測面部區域和雙手區域的中心，提出一種基于三者之間位置關系和雙手運動軌跡的手勢識別方法。

3)2015年，M.K.Ahuja和A.Singh等人利用普通攝像頭采集手勢圖像,通過建立膚色模型和設置闊值分割手勢,最后通過模板匹配的方法進行識別。

4)2016年，清華大學和北京航空航天大學王娜娜等人設計的一種手語翻譯臂環。

5)2017年，天津職業技術師范大學鄭鏡龍等人設計的一種穿戴式手語識別翻譯系統。

其中，技術1)至3)均采用視覺識別方式，存在著手語識別受環境影響大，設備成本較高等缺陷；技術4)通過肌肉傳感器獲取手勢識別，現階段存在著肌肉傳感器穩定性不高，手語識別量小，自適應性差等問題；技術5)通過提取手勢姿態特征值進行數據匹配，存在著核心算法結構簡單無法處理復雜手勢，適應性差等缺陷。

發明內容

本發明針對現有技術的不足，提供一種手語識別方法。該方法基于改進二分K均值-Chameleon聚類算法和BP神經網絡建模，可以提高可識別手語數據量和準確度，同時加強手語識別的穩定性和容錯性。

為了達到上述目的，本發明一種手語識別方法，主要包括以下步驟：

首先，通過傳感器采集到待識別手勢的原始數據；

第二，通過改進二分K均值-Chameleon聚類算法對第一步所得到的原始數據進行聚類并輸出聚類結果；

第三，通過第二步中輸出的聚類結果獲取待識別可靠手勢姿態數據；

第四，通過訓練出的BP神經網絡手語識別模型對第三步中的待識別可靠手勢姿態數據進行識別；

第五，輸出待識別手勢的識別結果。

優選地，所述傳感器為設于手語翻譯手套上的九軸傳感器，該手語翻譯手套分別穿戴于左右兩只手上。

作為上述方案的進一步改進，每只手語翻譯手套上的九軸傳感器為六個；其中五個分別設于手語翻譯手套的手指上，剩下一個設于手語翻譯手套的手背上；當然，在手背上還會搭配一塊控制板。

作為上述方案的進一步改進，所述九軸傳感器為九軸傳感器MPU9255。

優選地，所述BP神經網絡手語識別模型主要通過以下步驟訓練出來：

第一，將傳感器獲取的手勢動作數據轉換成三維的歐拉角并融合成原始數據集合以待處理，該原始數據集合記為記為S＝{S₁，S₂，…，S_n}，其中S_{i(i＝1，2…n)}＝{S_i1，S_i2…，S_i36}；

第二，對第一步中的原始數據集合通過改進二分K均值-Chameleon聚類算法進行劃分為K′(K′≤K)個數據集合B＝{B₁,B₂,…，B_K′}，其中B_{i(i＝1，2…K′)}＝{B_i1，B_i1，…，B_in}；

第三，對B_{i(i＝1，2…K′)}＝{B_i1，B_i1，…，B_in}取質心，重復第一步、第二步和第三步，把多次取得的質心作為可靠手勢姿態數據，記為集合x＝(x₁,x₂…,x_n)；