文件名称：论文研究-结合HMM和SPSM的手语识别方法.pdf
文件大小：775KB
文件格式：PDF
更新时间：2022-09-28 01:09:18
论文研究
手语识别的研究具有重大的学术价值和广泛的应用前景。在近些年的手语识别工作中，隐马尔可夫模型（Hidden Markov Models，简称HMMs）起到了重要的作用，但是，HMMs假设同一状态内的观察值之间是独立同分布的，这个假设同某些手语信号的帧间相关性相背离。受到多项式片段模型（Polynomial Segment Models，简称PSMs）能够显式描述帧间相关性的启发，提出了一种简化的PSMs，其中应用马氏距离作为距离测度。实验表明，这种简化的PSMs在同传统的HMMs进行后验概率归一化求和的融合之后，手语词的平均相对正确率得到了13.38%的提升，从而证明此方法是一种更加精确的手语识别方法。