[發明專利]一種語句級手語識別方法、系統、設備及終端

在審

• 申請號: 202110990063.6
• 申請日: 2021-08-26
• 公開（公告）號: CN113902066A
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 孟憲佳;楊永;馮琳;單士璽
• 申請（專利權）人: 西北大學
• 主分類號: G06K17/00
• 分類號: G06K17/00;G06V10/764;G06V10/774;G06V10/30;G09B21/00
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種語句級手語識別方法，其特征在于，所述語句級手語識別方法包括以下步驟：

步驟一，基于COST射頻識別技術的商業射頻識別裝置，通過無線電在識別系統和無源標簽之間獲取特定目標的相位序列，獲得原始的手語數據信號；

步驟二，進行相位偏移校正和利用基于閾值的小波去噪方法去除由于環境硬件和高斯噪聲引起的相位偏移，獲得純凈的相位序列；

步驟三，利用基于標準偏差的信號處理方法實現有效手語數據信號的分割；

步驟四，通過對同一手語信號和不同手語信號之間的每個特征分析，選擇選擇在同一手語信號中保持穩定而在不同手語信號之間能夠明顯區分的特征，進行有效的特征提取；

步驟五，利用隨機森林分類器，并使用50個決策樹實現手語識別。

2.如權利要求1所述語句級手語識別方法，其特征在于，步驟二中，所述進行相位偏移校正和利用基于閾值的小波去噪方法去除由于環境硬件和高斯噪聲引起的相位偏移，獲得純凈的相位序列，包括：

(1)利用基于閾值的小波去噪方法去除由于環境硬件和高斯噪聲引起的偏移，公式如下：

θ_true＝θ-θ_n(θ_n＝πor 2π)；

其中，n是序列號，θ_true是去除相位偏移后的真實相位值，θ是原始的相位序列值，θ_n是相位偏移值；

(2)通過從RFID閱讀器的API中獲得手語數據信號移除噪聲后的相位序列如下：

θ＝{θ₁，θ₂…θ_i…θ_n}；

其中，n是相位序列數，θ是去除噪聲后的相位序列，θ_i是相位序列中的相位值；

(3)利用同一化處理數據以減小不同時刻同一手勢的微小差異，計算公式如下：

其中，S(i)是標準化后的中間結果，θ(i)是相位序列中的相位值，min(θ)是相位序列中的最小值，max(θ)是相位序列中的最大值，a(i)是歸一化后的第i個相序樣本。

3.如權利要求1所述語句級手語識別方法，其特征在于，步驟三中，所述利用基于標準偏差的信號處理方法實現有效手語數據信號的分割，包括：

(1)將樣本中的每個相位值減去中位數并求絕對值：

m(i)＝|a(i)-median(a)|；

其中，median(a)是中位數，m(i)是相位序列a(i)中的每個數減去中位數median(a)的絕對值；

(2)將數據依次分組計算標準差：

其中，d(i)是計算標準后的新序列標準差，k是序列的長度，μ是平均值序列k＝50；

(3)利用d(i)的值，單個數據大于閾值r(r＝0.1)的數據組是有效數據。

4.如權利要求1所述語句級手語識別方法，其特征在于，步驟四中，所述通過對同一手語信號和不同手語信號之間的每個特征分析，選擇選擇在同一手語信號中保持穩定而在不同手語信號之間能夠明顯區分的特征，進行有效的特征提取，包括：

(1)提取得到的有效數據組的十個特征值，包括偏斜度、期望值、三階中心距離、平均值、方差、標準差、峰度、能量以及主頻比最大頻率峰值；

(2)提取得到的有效數據的SOS值：

SOS：假設n是數組的長度，從第一組數組開始，每個數字和下列(k-1)數字組成一個長度為k的數組，得到每個數組的標準偏差值，得到(N-k+1)個標準偏差，找到和所述(N-k+1)標準偏差的總和，并得到SOS：；

比較數據的柔和程度波動；當數據波動時，該值很大；當數據波動較小時，會變得較小，公式如下：

其中，N是數據集中的數據總數，μ是k個數據的平均值，k是每個標準偏差的數據數量。