[發明專利]一種基于XGboost的靜態手語識別系統

在審

• 申請號: 201810804429.4
• 申請日: 2018-07-20
• 公開（公告）號: CN109086699A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 程樹英;林培杰;盧簫揚;陳志聰;吳麗君;鄭茜穎;章杰
• 申請（專利權）人: 福州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

本發明涉及一種基于XGboost的靜態手語識別系統，包括以下步驟：步驟S1:通過數據手套采集手部姿態角信息數據，包括三軸姿態角信息數據和手指彎曲度數據；步驟S2:通過wifi連接將收集到的三軸姿態角信息數據傳輸至計算機；步驟S3:通過計算機將采集到的三軸姿態角信息數據按照預定格式存儲為數據集；步驟S4:采用XGboost對數據集進行訓練，得到最優模型；步驟S5:將最優模型移植至Android端，并對姿態信息進行分類，得到分類結果后結合手指彎曲度數據后得到手語識別結果，并根據識別的詞匯進行發聲。本發明使用低維度的數據，模型結構簡單，可以滿足實時識別手語的要求，并且在準確度高，性能好。

技術領域

本發明涉及靜態手語分類與識別領域，特別設計一種基于XGboost的靜態手語識別系統。

背景技術

據統計，在我國，約有2780萬聾啞人，而在聾啞人的交流中，主要依靠手語的方式進行交流，然而，手語交流具有局限性，在與其他不懂手語的人交流時，很難正確理解手語所要表達的意思。因此如果能設計出一套幫助聾啞人與非聾啞人的交流的設備，將為這些聾啞人帶來福音。

《中國手語》中目前收錄了5000多個詞匯，分為手指語和手勢語兩種，手指語即字母，這與鍵盤沒有本質上的區別，因此研究的重點在于手勢語的識別上。手勢語都是由手勢和手形共同組成，能對這些特征進行識別，目前研究包括了兩類：(1)基于機器視覺；(2)基于數據手套。機器視覺識別手語的方式存在穩定性差，容易受到環境的影響，并且在識別率上還有待提高，很難在近期進入市場。而數據手套的方式在保證數據精確度的同時，在后期數據處理方面使得識別速度上更快，是目前手語識別的研究重點。

手語識別的研究上，分靜態手語和動態手語。而本文主要針對靜態手語的識別。姜峰等人利用HMM與SVM實現了90%以上的手語識別準確率。Mohandes利用支持向量機對數據手套采集的100個手語進行分類，準確率達到99.6%，但是該數據手套使用了56個維度的信息，依然具有較大的時延，并且由于其數據集較小，在不同人使用時準確率降低；提高響應速度的一個方式就是降低處理維度，Das等人通過降低處理數據的維度，只使用了三維空間數據與手指彎曲度信息實現了較快的識別，但是準確度卻下降了。為了提高響應的速度，López-Noriega等人通過人工神經網絡實現了26個字母的手語識別，達到了97以上的準確率，但是其識別手語只有26個，并且只是應用在小數據集上。

而傳統的靜態手語識別為了獲得高的準確率大多采用增加特征維數的方法，這樣不僅增加了制作成本，并且在一定程度上對于識別的速度也有了一定的影響。

發明內容

有鑒于此，本發明的目的在于提供一種基于XGboost的靜態手語識別系統，使用低維度的數據，模型結構簡單，可以滿足實時識別手語的要求，并且在準確度高，性能好。

為實現上述目的，本發明采用如下技術方案：

一種基于XGboost的靜態手語識別系統，所述系統包括數據手套、計算機和Android端；所述系統識別靜態手語包括以下步驟：

步驟S1:通過數據手套采集手部姿態角信息數據，包括三軸姿態角信息數據和手指彎曲度數據；

步驟S2:通過數據手套的wifi模塊連接計算機，將收集到的三軸姿態角信息數據傳輸至計算機；

步驟S3:通過計算機將采集到的三軸姿態角信息數據按照預定格式存儲為數據集；

步驟S4:采用XGboost對數據集進行訓練，得到最優模型；

步驟S5:將最優模型移植至Android端，并對姿態信息進行分類，得到分類結果后結合手指彎曲度數據后得到手語識別結果，并根據識別的詞匯進行發聲。

進一步的，所述三軸姿態角信息數據包括Yaw，Pitch，Roll。

進一步的，所述數據集預定格式為：