文件名称：使用KNN分类器的基于形状的美国手语连续实时手势识别系统-研究论文
文件大小：1.24MB
文件格式：PDF
更新时间：2024-06-30 03:07:47
论文研究
手语是语言和听力障碍人士用于日常对话和需求的交流语言。 本研究论文给出了一个创造性的框架，旨在将美国手语的 24 个连续实时字母手势转换为人类和/或设备可识别的英文文本。 考虑到测试的实时字母手势对位置、背景、光照、肤色、性别和自然距离绝对不变。 使用常规网络摄像头进行实时手势识别过程。 定向梯度直方图（HOG）用于预处理操作后的手部特征提取。 作为这项研究工作的结果，使用 K-最近邻 (KNN) 分类器对 k=3、5 和 7 的手势进行分类和识别进行了实验。最后，产生了连续实时的整体平均识别率字母手势是 98.44% 使用 KNN 分类器 (k=3)，每个手势的最少识别时间为 0.38 秒，与所提出的技术 k=5（准确度 93.75%，时间经过 0.42 秒）相比非常出色，k=7 （准确度 90.10%，时间经过 0.45 秒），并且还具有实时环境中的最先进技术。