【技术实现步骤摘要】
一种基于XGboost的静态手语识别系统
本专利技术涉及静态手语分类与识别领域，特别设计一种基于XGboost的静态手语识别系统。
技术介绍
据统计，在我国，约有2780万聋哑人，而在聋哑人的交流中，主要依靠手语的方式进行交流，然而，手语交流具有局限性，在与其他不懂手语的人交流时，很难正确理解手语所要表达的意思。因此如果能设计出一套帮助聋哑人与非聋哑人的交流的设备，将为这些聋哑人带来福音。《中国手语》中目前收录了5000多个词汇，分为手指语和手势语两种，手指语即字母，这与键盘没有本质上的区别，因此研究的重点在于手势语的识别上。手势语都是由手势和手形共同组成，能对这些特征进行识别，目前研究包括了两类：(1)基于机器视觉；(2)基于数据手套。机器视觉识别手语的方式存在稳定性差，容易受到环境的影响，并且在识别率上还有待提高，很难在近期进入市场。而数据手套的方式在保证数据精确度的同时，在后期数据处理方面使得识别速度上更快，是目前手语识别的研究重点。手语识别的研究上，分静态手语和动态手语。而本文主要针对静态手语的识别。姜峰等人利用HMM与SVM实现了90%以上的手语识别准确...
【技术保护点】
1.一种基于XGboost的静态手语识别系统，其特征在于：所述系统包括数据手套、计算机和Android端；所述系统识别静态手语包括以下步骤：步骤S1:通过数据手套采集手部姿态角信息数据，包括三轴姿态角信息数据和手指弯曲度数据；步骤S2:通过数据手套的wifi模块连接计算机，将收集到的三轴姿态角信息数据传输至计算机；步骤S3:通过计算机将采集到的三轴姿态角信息数据按照预定格式存储为数据集；步骤S4:采用XGboost对数据集进行训练，得到最优模型；步骤S5:将最优模型移植至Android端，并对姿态信息进行分类，得到分类结果后结合手指弯曲度数据后得到手语识别结果，并根据识别的词汇进行发声。
【技术特征摘要】
1.一种基于XGboost的静态手语识别系统，其特征在于：所述系统包括数据手套、计算机和Android端；所述系统识别静态手语包括以下步骤：步骤S1:通过数据手套采集手部姿态角信息数据，包括三轴姿态角信息数据和手指弯曲度数据；步骤S2:通过数据手套的wifi模块连接计算机，将收集到的三轴姿态角信息数据传输至计算机；步骤S3:通过计算机将采集到的三轴姿态角信息数据按照预定格式存储为数据集；步骤S4:采用XGboost对数据集进行训练，得到最优模型；步骤S5:将最优模型移植至Android端，并对姿态信息进行分类，得到分类结果后结合手指弯曲度数据后得到手语识别结果，并根据识别的词汇进行发声。2.根据权利要求1所述一种基于XGboost的静态手语识别系统，其特征在于：所述三轴姿态角信息数据包括Yaw，Pitch，Roll。3.根据权利要求1所述一种基于XGboost的静态手语识别...
【专利技术属性】
技术研发人员：程树英，林培杰，卢箫扬，陈志聪，吴丽君，郑茜颖，章杰，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。