【正文】
一方面由于手勢(shì)識(shí)別的設(shè)備和技術(shù)問(wèn)題,另一方面也由于手勢(shì)固有的多義性、多樣性、差異性、不精確性等特點(diǎn)。手語(yǔ)識(shí)別和手語(yǔ)合成相結(jié)合,構(gòu)成一個(gè)“人2機(jī)手語(yǔ)翻譯系統(tǒng)”,便于聾人與周圍環(huán)境的交流。還可以將手勢(shì)識(shí)別用于復(fù)雜設(shè)計(jì)信息的輸入。手部在手勢(shì)定位及旋轉(zhuǎn)上至少需要6維信息,包括手部的三維坐標(biāo)及三維方向。人臉的表情豐富,可以作為理想的數(shù)據(jù)庫(kù)。【11】此外,涉及隨機(jī)信號(hào)及過(guò)程的光譜分析法已經(jīng)在大量科學(xué)學(xué)科中使用了幾十年,盡管隨機(jī)性會(huì)給時(shí)間域特性分析帶來(lái)困難,像特征值及頻率仍然是有價(jià)值的光譜信息。除了進(jìn)行手勢(shì)識(shí)別的算法外,還需要其他輔助算法及過(guò)程?!?2】手勢(shì)的幾何特征指手勢(shì)的邊緣(如輪廓)和手勢(shì)區(qū)域特征(如手掌顏色、面積)。【2】(2)基于隱馬爾可夫模型的手勢(shì)識(shí)別隱馬爾可夫模型是一種能細(xì)致描述信號(hào)的時(shí)空變化統(tǒng)計(jì)分析模型,適用于動(dòng)態(tài)手勢(shì)的識(shí)別。如果整個(gè)神經(jīng)網(wǎng)絡(luò)包括的全部神經(jīng)元都是時(shí)空效能好的算法,那就可以判斷手勢(shì)細(xì)微部分的運(yùn)動(dòng)?!?】靜態(tài)手勢(shì)識(shí)別方法難以識(shí)別區(qū)分度較小的手勢(shì)、實(shí)時(shí)性差,因此向動(dòng)態(tài)手勢(shì)識(shí)別過(guò)渡已經(jīng)成為一種趨勢(shì)?!?】該方法主要使用三種組件:探測(cè)組件、運(yùn)動(dòng)軌跡組件、識(shí)別組件。此后推出的穿戴式光學(xué)標(biāo)記可通過(guò)紅外線將手指及手掌變化傳輸?shù)狡聊簧?,也保持了?shù)據(jù)手套的優(yōu)點(diǎn)。它可以直接檢測(cè)諸如手指、關(guān)節(jié)及手臂的方位、角度等。但是,分析手勢(shì)的特點(diǎn),回顧手勢(shì)識(shí)別的發(fā)展歷史,可以更好地把握其發(fā)展脈絡(luò),從而對(duì)未來(lái)手勢(shì)識(shí)別的潛力與可能方向做出基本判斷。1990年Eric Hulteen和Gord Kurtenbach曾發(fā)表的題為“Gestures in HumanComputer Communication”中定義:“手勢(shì)為身體運(yùn)動(dòng)的一部分,它包括一部分信息,而且是一種能被觀察到的有意義的運(yùn)動(dòng)。本文通過(guò)對(duì)手勢(shì)識(shí)別的發(fā)展過(guò)程、使用工具、目的與市場(chǎng)等進(jìn)行綜述,梳理出手勢(shì)識(shí)別發(fā)展的思路,讓讀者對(duì)手勢(shì)識(shí)別有一個(gè)總體上的認(rèn)識(shí),同時(shí)也可以讓讀者在此基礎(chǔ)上進(jìn)行合理想象,對(duì)手勢(shì)識(shí)別的未來(lái)有一個(gè)大體印象。手勢(shì)識(shí)別技術(shù)綜述作者單位:河北工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與軟件學(xué)院內(nèi)容摘要:手勢(shì)識(shí)別是屬于計(jì)算機(jī)科學(xué)與語(yǔ)言學(xué)的一個(gè)將人類手勢(shì)通過(guò)數(shù)學(xué)算法針對(duì)人們所要表達(dá)的意思進(jìn)行分析、判斷并整合的交互技術(shù)。Abstract:Gesture recognition is an interactive technology using mathematical arithmetic to the analysis,judge and assembly meaning that people want to convey which belongs to puter science and general, gesture recognition technology is not for simple gestures expressed by hands ,it can also aim to other body movement recognition, such as the head, arm and