基于改進的HMM和自適應(yīng)技術(shù)的非特定人手語識別的研究.pdf

1、手語是聽力和語言障礙群體溝通交流的一種語言。全世界共有2.3億左右的聾啞人，作為社會弱勢群體的聾啞人經(jīng)常會遇到生活、工作、心理、教育、交流等很多方面的問題。尤其是交流問題，手語的普及程度較差，能夠掌握手語的人數(shù)量很少，這就使得聾啞人的溝通交流存在很大阻礙。手語識別的研究自上世紀(jì)九十年代開始，它通過一定的計算機技術(shù)將手語以非操手語者可以理解的形式呈現(xiàn)出來，從而幫助聾啞人無障礙地表達(dá)和交流。該技術(shù)作為人機交互領(lǐng)域的研究內(nèi)容之一，對語言交流障

2、礙群體有著重要的現(xiàn)實意義。
　　目前基于數(shù)字設(shè)備的手語識別準(zhǔn)確率已經(jīng)達(dá)到較高的水平，對特定人手語的識別也有了較好的性能，但是現(xiàn)有的手語識別系統(tǒng)在用戶變換情況下的性能差強人意，遠(yuǎn)不能達(dá)到理想的性能要求。而非特定人手語識別恰恰是手語識別系統(tǒng)得以實際應(yīng)用亟待解決的關(guān)鍵問題。個體之間手語數(shù)據(jù)的差異性和手語訓(xùn)練樣本的匱乏是牽制非特定人手語識別系統(tǒng)性能的重要原因。為了解決以上問題，本文對手語識別中的關(guān)鍵算法進行了研究，并對現(xiàn)有算法進行了改進。

3、主要研究工作有以下兩個方面：
　　（1）對基于隱Markov模型（Hidden Markov Model，HMM）的手語訓(xùn)練建模進行了研究，對HMM三個基本問題的解決進行分析，并針對其中的訓(xùn)練問題常用到的Baum-Welch算法收斂于局部最優(yōu)解的不足進行改進，引入自適應(yīng)誘導(dǎo)進化遺傳算法進行手語詞的HMM參數(shù)訓(xùn)練，從而在給定的解空間中找到全局最優(yōu)解。
　?。?）針對非特定人手語識別中不同手語者個體間的差異性和手語訓(xùn)練數(shù)據(jù)的不充

4、分這兩個難點問題，本文提出了基于最大似然線性回歸（Maximum Likelihood Linear Regression，MLLR）算法和最大后驗概率(Maximum a posteriority，MAP)算法的自適應(yīng)手語識別框架，該方法優(yōu)化了MLLR回歸類的劃分，并且提供給MAP更精準(zhǔn)的初始模型，充分發(fā)揮了MLLR的快速性和MAP的漸進性。然后引入了最小分類誤差(Minimum Classification Error，MCE)模型