基于SRN/HMM的非特定人连续手语识别系统

• 作者: 方高林 王春立 陈熙霖 马继勇 高文
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 神经网络 精简循环网络 隐马可夫模型 连续手语识别 非特定人手语识别
• 年，卷（期）: 2002,（11）
• 页码范围: 2169-2175
• 页数: 7页
• 分类号: TP391
• 字数: 5882字
• 语种: 中文

摘要

手语识别是通过计算机提供一种有效而准确的机制将手语翻译成文本或语音.目前最新发展水平的手语识别系统在实际应用中应解决非特定人连续手语问题.提出一种将连续手语识别分解成各孤立词识别的分治方法,用于非特定人连续手语识别.把精简循环网(simple recurrent network,简称SRN)作为连续手语的段边界检测器,把SRN分段结果作为隐马可夫模型(hidden Markov models,简称HMM)框架中的状态输入,在HMM框架里使用网格Viterbi算法搜索出一条最佳手语词路径.实验结果表明,该方法的识别效果比单纯使用HMM要好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高文	哈尔滨工业大学计算机科学与工程系	150	5863	39.0	72.0
5	陈熙霖	哈尔滨工业大学计算机科学与工程系	13	599	10.0	13.0
6	方高林	哈尔滨工业大学计算机科学与工程系	3	25	2.0	3.0
7	王春立	大连理工大学计算机科学与工程系	10	104	6.0	10.0
8	马继勇	中国科学院计算技术研究所	4	123	3.0	4.0