基于二阶隐马尔可夫模型的连续手语识别

摘要

在传统的一阶隐马尔可夫模型(HMM1)中,状态序列中的每一个状态被假设只与前一个状态有关,这样虽然可以简单、有效地推导出模型的学习和识别算法,但也丢失了许多从上文传递下来的信息.因此,在传统一阶隐马尔可夫模型的基础上,为了解决手语识别困难、正确率低的问题,提出了一种基于二阶隐马尔可夫模型(HMM2)的连续手语识别方法.该方法利用滑动窗口算法使手语视频切分成多个手语短视频,通过三维卷积模型得到手语短视频和手语词汇视频的特征向量,由此计算出二阶隐马尔可夫模型的相关参数,并运用Viterbi算法实现连续手语的识别.实验证明,基于二阶隐马尔可夫模型的手语识别取得了88.6%的识别准确率,高于传统的一阶隐马尔可夫模型.