基于深度学习的手语学习系统作者:李成武 高宇玥糖化锅
来源:《丝路视野》2019年第05期 冬笋探测仪有用吗
摘 要:手语是聋哑人最常使用的交流方式,但因为手语的普及程度较低,聋哑人与普通人之间交流有很大障碍。本文利用Keras 构建卷积神经网络框架实现对手语图像的识别,通过循环神经网络将语音转为对应的手语视频输出。手语的自动化识别能够使手语使用者更加便利地与外界进行沟通,不懂手语的人也可以和聋哑人正常、顺利地交流。 关键词:手语 Keras 卷积神经网络 循环神经网络
一、引言
最新资料统计说明,我国听力语言残疾居视力残疾、肢残、智残等五大残疾之首,为2057万人,占中国总人口数的1.67%,其中七岁以下儿童约为80万人。手语是听障人之间
沟通的主要方式,由手型、动作、表情及姿势等构成的一套手语交流体系。但健听人多数不懂手语,手语沟通障碍造成了社会劳动力的较大浪费。目前,中国残联出台了手语统一标准,这使得聋哑人与健全人之间顺利交流变得有章可循,手语翻译技术具有广泛的应用价值。开发手语识别系统有助于聋哑人融入社会,也有助于加速国家通用手语的推广进程。
测控系统
走线槽 过去手语识别的研究主要依赖于各种可穿戴传感器,如颜手套、数据手套等。基于数据手套的手语识别准确率较高,但设备昂贵、携带不便,难以普及和推广。深度学习的快速发展加速了基于视觉的手语识别应用。本文通过设计手语识别框架,基于卷积神经网络模型实现手语识别。
远程运维服务 二、系统总体设计方案
基于深度学习的手语学习系统分为四个部分:手势图像采集、图像信息的提取与识别、语音识别、手语视频输出。“手势图像采集”模块主要完成对手语动作的采集,并将采集到的图像信息发送到NVIDIA JETSON TX2平台。再由“图像信息的提取与识别”模块利用神经网络的卷积层提取手部特征并通过全连接层进行识别。这样就使得正常人能理解聋哑
人手语的含义。“语音识别”模块将正常人输入的语音转化为文本,然后通过“手语视频输出”模块将语音识别出来的文本转化为对应的手语视频输出(图1)。这样聋哑人就能理解正常人想要表达的意思。那么,不懂手语的正常人和聋哑人之间的交流变得轻松而简单。
>自动融雪设备