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。