白旭 郭豆豆 楊學(xué)康 蔣麗珍

摘 要

基于低緯度SVM決策樹算法的智能手語翻譯手套旨在解決聾啞人與聽人之間的交流問題，滿足聾啞人在日常生活中的基本社交需求。聾啞人只需戴上該手套，做出相應(yīng)的手勢，手套即可識別出相應(yīng)的手勢并播報語音、同時屏幕顯示文本。該智能手語翻譯手套采用基于數(shù)據(jù)手套的手語識別技術(shù)，運用低緯度SVM結(jié)合決策樹算法來進行手勢識別，在SVM的兩類分類器的基礎(chǔ)上加上決策樹算法能夠?qū)崿F(xiàn)多類分類器功能，在不影響識別率的情況下極大地提高識別速率。

關(guān)鍵詞

數(shù)據(jù)手套;手勢識別;低緯度SVM決策樹算法

中圖分類號： G06F3/01 ? ? ? ? ? ? ? ? 文獻標(biāo)識碼： A

DOI：10.19694/j.cnki.issn2095-2457 . 2020 . 17 . 12

Abstract

The Sign Language Interpreting Smart Gloves based on SVM Decision Tree At Low Latitude is aimed to bring down the communication barriers between the deaf and dumb and the others， satisfying their demands on social contact in daily lives. Once the deaf and dumb make the specific hand gestures with the smart gloves on， the micro computer of the gloves will analyse the obtained data， then present the corresponding text on a screen， broadcast the synthetic voice according to the identification results at the same time. The sign language interpreting smart gloves combine the gesture identifying technology from digital gloves with low-latitude SVM decision tree algorithm so as to accurately identify the gesture. Without decreasing the identification rate， the identification speed can be dramatically accelerated by the multi-class classifier which can be provided by SVMs double-class classifier-plus decision tree algorithm.

Key Words

Data gloves; Gesture recognition; SVM Decision Tree At Low Latitude

0 前言

據(jù)最新資料統(tǒng)計表明，我國聽力語言殘疾居視力殘疾、肢殘、智殘等五大殘疾之首，有2057萬人，約占中國人口總數(shù)的1.67%，其中7歲以下兒童就有80萬人。因此，設(shè)計出一種聾人與聽人進行語言溝通的工具，一直是人們渴望解決的技術(shù)難題。

手語識別技術(shù)在國內(nèi)外有多種方式，都是基于傳感器的手語識別技術(shù)，主要可分為以下三種：

（1）基于數(shù)據(jù)手套的手語識別：數(shù)據(jù)手套上的傳感器能識別手型以及手部的運動軌跡，因此識別率較高[1-5]。基于可穿戴設(shè)備的數(shù)據(jù)手套通常采用決策樹算法和模板匹配法進行手勢識別。決策樹算法容易造成誤差的積累，分類錯誤在越靠近分類樹根的地方發(fā)生，分類性能就越差，且離根節(jié)點較遠的樣本識別率低。模板匹配法在需要識別的手勢數(shù)目較大時，會因手勢的重疊而識別率降低。

（2）基于計算機視覺的手語識別：通常采用攝像頭作為傳感設(shè)備，無須穿戴，體驗感較好。另外，其成本也低于第一種手語識別方式，故推廣起來更為容易。但是感受與識別技術(shù)容易受到周圍環(huán)境因素的影響，如光照等。同時需要處理的數(shù)據(jù)量巨大，識別的實時性較低。

（3）基于表面肌電和加速度的手語識別技術(shù)：該技術(shù)利用SEMG信號來識別手部動作，而且成本低，易于推廣，且穿戴時不影響手部動作。但是在使用過程中，不同用戶的使用力度等有一定的差異，會導(dǎo)致使用時識別不穩(wěn)定[6]。

鑒于第二種手語識別方式受外界環(huán)境因素影響比較大，而第三種方式易產(chǎn)生個體差異，本文選擇第一種基于數(shù)據(jù)手套的手語識別方式。

傳統(tǒng)數(shù)據(jù)手套運用決策樹算法進行手勢識別時，若手勢識別數(shù)目較大，識別錯誤會迅速增加，易發(fā)生錯誤的積累。考慮到識別速度和識別精度，該手套中加入了新型低緯度SVM決策樹算法[7-9]。識別時在SVM的兩類分類器的基礎(chǔ)上加上決策樹算法實現(xiàn)多類分類器功能，不僅能對線性不可分的數(shù)據(jù)集進行處理[10]，還能在早期劃分出容易劃分的類別和數(shù)目較大的類別，提高分類速度和精度。同時實驗中所用的手勢識別數(shù)據(jù)均經(jīng)過多次采集處理得到，不易造成錯誤的積累且不會因為需識別手勢的數(shù)目較大而識別率降低。測試結(jié)果表明，在智能手語翻譯手套中運用新型低緯度SVM決策樹算法，有效地提高了手勢識別精度和識別速度。

1 系統(tǒng)架構(gòu)

圖1為實驗室手套實物照片。整個系統(tǒng)硬件分為微型計算機和數(shù)據(jù)手套兩大部分，數(shù)據(jù)手套主要由arduino板和各種傳感器構(gòu)成。手套采取基于數(shù)據(jù)手套的手語識別方式，數(shù)據(jù)手套與主機通過串口進行通信。