【技术实现步骤摘要】
一种手语词的识别方法
本专利技术涉及智能识别
，尤其涉及一种手语词的识别方法。
技术介绍
近年来，随着5G技术的发展和移动传感器设备的普及，使用可穿戴传感器设备辅助聋哑人交流也越来越受到重视。使用可穿戴传感器对聋哑人手语进行识别，本质上属于人体动作识别。现有的对动作识别的研究主要分为三大类：基于视频、基于射频和基于传感器。基于视频的方法依赖于摄像头等动作设备，该方法往往会引起严重的隐私问题，同时收到光线和环境的限制，存在侵入性较强的问题。基于射频信号的动作识别中，往往使用现有的WiFi设备，采集由人进行动作而引起的信道状态信息(Channelstateinformation,CSI)信号变化来推测人体进行的动作，该方法识别精度有待提高，往往只能识别幅度较大的简单动作，且存在着受环境影响大的问题。
技术实现思路
本专利技术提供了一种手语词的识别方法，旨在解决现有的手语手势识别无法对规模较大情况下的手语进行识别的问题。本申请提供了一种手语词的识别方法，其包括：让多个受试者手臂佩戴...
【技术保护点】
1.一种手语词的识别方法，其特征在于，包括：/n让多个受试者手臂佩戴传感器手环，并分别作出预定个数手语词的手语手势，通过所述传感器手环采集并记录每个所述手语手势对应的传感器信号；/n对所述传感器信号进行滤波处理；/n采用动态时间归整算法提取每个所述传感器信号的特征值；/n对每个所述手语词的语义信息进行词嵌入操作，生成对应于的所述手语词的词向量；/n对所述词向量进行降维处理生成对应于所述词向量的手语词语义特征向量；/n将所述特征值和所述手语词语义特征向量输入至预设长短期记忆神经网络，通过所述预设长短期记忆神经网络进行训练得到分类识别模型；/n通过所述分类识别模型对所述手语手势...
【技术特征摘要】
1.一种手语词的识别方法，其特征在于，包括：
让多个受试者手臂佩戴传感器手环，并分别作出预定个数手语词的手语手势，通过所述传感器手环采集并记录每个所述手语手势对应的传感器信号；
对所述传感器信号进行滤波处理；
采用动态时间归整算法提取每个所述传感器信号的特征值；
对每个所述手语词的语义信息进行词嵌入操作，生成对应于的所述手语词的词向量；
对所述词向量进行降维处理生成对应于所述词向量的手语词语义特征向量；
将所述特征值和所述手语词语义特征向量输入至预设长短期记忆神经网络，通过所述预设长短期记忆神经网络进行训练得到分类识别模型；
通过所述分类识别模型对所述手语手势进行识别，进而对预定个数的所述手语词进行识别。
2.根据权利要求1所述的手语词的识别方法，其特征在于，所述通过所述传感器手环采集并记录每个所述手语手势对应的传感器信号包括：
通过所述传感器手环采集对应每个所述手语手势产生的IMU信号和sEMG信号并传送给处理器进行记录保存。
3.根据权利要求2所述的手语词的识别方法，其特征在于，所述对所述传感器信号进行滤波处理包括通过归一化巴特沃斯滤波器对所述传感器信号进行滤波处理，所述归一化巴特沃斯滤波器的表达式为：
其中，n表示巴特沃斯滤波器的级数，j是虚数单位，ω是信号的截止角频率。
4.根据权利要求3所述的手语词的识别方法，其特征在于，所述特征值包括DTW特征值和常用特征值，所述常用特征值包括所述传感器信号数据的最大值、最小值、标准差、偏度和峰度。
5.根据权利要求4所述的手语词的识别方法，其特征在于，所述对每个所述手语词的语义进行词嵌入操作包括通过连续词袋模型对所述预定个数的手语词进行词嵌入操作，
所述连续词袋模型的优化函数为：
其中，h为上下文，wt为与上下文相对应的真实目标词汇，为噪声词汇，Pnoise为噪声序列，当D＝1时，wt为真实目标词汇，lnQθ(D＝1|wt,h)为由向量词wt与h对应的Logistic回归得到的概率，利用二分损失函数对模型进行训练，可以得到隐含层的值作为对应的手语词的词嵌入表示如下：
...
【专利技术属性】
技术研发人员：王青山，郑志文，朱钰，王琦，张江涛，胡汇源，丁景宏，马晓迪，王鑫炎，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34
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。