引言

　　手語識(shí)別的目的就是通過計(jì)算機(jī)提供一種有效的、準(zhǔn)確的機(jī)制將聾啞人常用的手語手勢識(shí)別出來，使得他們與健全人之間的交互變得更方便、快捷。同時(shí)，手語識(shí)別的應(yīng)用還可以提供更自然的人機(jī)交互方式，方便聾啞人對(duì)計(jì)算機(jī)等常用信息設(shè)備的使用。目前手語識(shí)別可以分為基于視覺(圖像)的識(shí)別系統(tǒng)和基于數(shù)據(jù)手套(佩戴式設(shè)備)的識(shí)別系統(tǒng)。基于視覺的手勢識(shí)別系統(tǒng)采用常見的視頻采集設(shè)備作為手勢感知輸入設(shè)備，價(jià)格便宜、便于安裝。鑒于基于視覺的手勢識(shí)別方法交互自然便利，適于普及應(yīng)用，且更能反映機(jī)器模擬人類視覺的功能，所以目前是手勢識(shí)別的研究重點(diǎn)。

　　手語識(shí)別的研究開始于1982年，Shantz和Poizner實(shí)現(xiàn)了一個(gè)合成美國手語的計(jì)算機(jī)程序。之后，中國、美國、日本、德國等許多國家都進(jìn)行了自己國家的手語識(shí)別與合成研究，并取得了許多重要的研究成果。Triesch和Malsburg開發(fā)了一種彈性圖模板匹配技術(shù)對(duì)復(fù)雜背景下的手形進(jìn)行分類[1]，在相對(duì)復(fù)雜的背景下的識(shí)別率達(dá)到86.2%。Davis和Shah將戴上指間具有高亮標(biāo)記的視覺手套的手勢作為系統(tǒng)的輸入，可識(shí)別7種手勢[2]。Starner[3]等在對(duì)美國手語中帶有詞性的40個(gè)詞匯隨機(jī)組成的短句子識(shí)別率達(dá)到99.2%。Yang等人采用7Hu不變矩特征量進(jìn)行手語字母識(shí)別，最好識(shí)別率為90%[4]。

　　本文采用SVMs (Support Vector Machines，支持向量機(jī))作為手語識(shí)別的分類器，提出了一種基于視覺的手語字母識(shí)別方法。SVMs在解決小樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出許多特有的優(yōu)勢，并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問題中。采用SVMs作為圖像分類器首先要解決的問題是：如何用典型視覺特征來表征圖像的不同視覺特性[5]。

　　在圖像特征提取方面，為了能夠同時(shí)表征圖像的全局特性和局部特性，需要同時(shí)提取圖像的全局特征和局部特征，并且這些特征中用以描述圖像整體形狀的特征應(yīng)當(dāng)具備平移、旋轉(zhuǎn)和尺度不變性。SIFT(Scale Invariant Feature Transform)是一種對(duì)尺度空間、圖像縮放、旋轉(zhuǎn)甚至仿射不變的圖像局部特征描述算子[6];而7Hu不變矩特征量具有平移、旋轉(zhuǎn)和尺度不變性的特點(diǎn)，具有很好的穩(wěn)定性，適合描述目標(biāo)整體形狀。

　　手語簡介

　　手語是一種聾人使用的語言，是一種靠動(dòng)作/視覺交際的特殊語言[7]。中國手語包括30個(gè)手指字母，大約5500個(gè)基本手勢詞。手指語是從字母語言發(fā)展起來的，是漢語手語的一種，用一個(gè)指式代表一個(gè)漢語拼音字母，按照漢語拼音方案拼成普通話。而手勢語則是由象形語言發(fā)展起來的。它充分利用人的手勢、表情和身體動(dòng)作形象地表達(dá)物體和行動(dòng)的最基本特征。

　　中國文字改革委員會(huì)、教育部等單位于1963年聯(lián)合公布實(shí)施漢語手指字母方案[7]。方案中包括漢語拼音中26個(gè)單字母(A～ Z)和4個(gè)雙字母(ZH、CH、SH、NG)如圖1所示。

　　圖1 中國手語字母表