一种基于SCHMM的手语识别方法

• 作者: 张岱 柯珂
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 手语识别 HMM Semi-Continuous Hidden Markov Model 观察值
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 149-151
• 页数: 3页
• 分类号: TP391.4
• 字数: 2688字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.07.043

摘要

手语识别的研究具有重大的学术价值和广泛的应用前景.在近些年的手语识别工作中,隐马尔科夫模型(HiddenMarkov Models,简称HMMs)起到了重要的作用.基于HMM的统计框架是当前动态识别领域的主流方法,同时也是该文的研究工作的理论基础.提出将半连续隐马尔科夫模型(SCHMM)用于手语识别,在理论上证明了SCHMM优于离散隐马尔科夫模型(DHMM)和连续隐马尔科夫模型(CHMM),可以避开DHMM中因矢量量化造成的信息损失,在保证识别率的前提下降低模型的复杂性和运算量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张岱		2	1	1.0	1.0
2	柯珂		1	0	0.0	0.0