白旭 郭豆豆 杨学康 蒋丽珍

摘 要

基于低纬度SVM决策树算法的智能手语翻译手套旨在解决聋哑人与听人之间的交流问题，满足聋哑人在日常生活中的基本社交需求。聋哑人只需戴上该手套，做出相应的手势，手套即可识别出相应的手势并播报语音、同时屏幕显示文本。该智能手语翻译手套采用基于数据手套的手语识别技术，运用低纬度SVM结合决策树算法来进行手势识别，在SVM的两类分类器的基础上加上决策树算法能够实现多类分类器功能，在不影響识别率的情况下极大地提高识别速率。

关键词

数据手套;手势识别;低纬度SVM决策树算法

中图分类号： G06F3/01                 文献标识码： 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

据最新资料统计表明，我国听力语言残疾居视力残疾、肢残、智残等五大残疾之首，有2057万人，约占中国人口总数的1.67%，其中7岁以下儿童就有80万人。因此，设计出一种聋人与听人进行语言沟通的工具，一直是人们渴望解决的技术难题。

手语识别技术在国内外有多种方式，都是基于传感器的手语识别技术，主要可分为以下三种：

（1）基于数据手套的手语识别：数据手套上的传感器能识别手型以及手部的运动轨迹，因此识别率较高[1-5]。基于可穿戴设备的数据手套通常采用决策树算法和模板匹配法进行手势识别。决策树算法容易造成误差的积累，分类错误在越靠近分类树根的地方发生，分类性能就越差，且离根节点较远的样本识别率低。模板匹配法在需要识别的手势数目较大时，会因手势的重叠而识别率降低。

（2）基于计算机视觉的手语识别：通常采用摄像头作为传感设备，无须穿戴，体验感较好。另外，其成本也低于第一种手语识别方式，故推广起来更为容易。但是感受与识别技术容易受到周围环境因素的影响，如光照等。同时需要处理的数据量巨大，识别的实时性较低。

（3）基于表面肌电和加速度的手语识别技术：该技术利用SEMG信号来识别手部动作，而且成本低，易于推广，且穿戴时不影响手部动作。但是在使用过程中，不同用户的使用力度等有一定的差异，会导致使用时识别不稳定[6]。

鉴于第二种手语识别方式受外界环境因素影响比较大，而第三种方式易产生个体差异，本文选择第一种基于数据手套的手语识别方式。

传统数据手套运用决策树算法进行手势识别时，若手势识别数目较大，识别错误会迅速增加，易发生错误的积累。考虑到识别速度和识别精度，该手套中加入了新型低纬度SVM决策树算法[7-9]。识别时在SVM的两类分类器的基础上加上决策树算法实现多类分类器功能，不仅能对线性不可分的数据集进行处理[10]，还能在早期划分出容易划分的类别和数目较大的类别，提高分类速度和精度。同时实验中所用的手势识别数据均经过多次采集处理得到，不易造成错误的积累且不会因为需识别手势的数目较大而识别率降低。测试结果表明，在智能手语翻译手套中运用新型低纬度SVM决策树算法，有效地提高了手势识别精度和识别速度。

1 系统架构

图1为实验室手套实物照片。整个系统硬件分为微型计算机和数据手套两大部分，数据手套主要由arduino板和各种传感器构成。手套采取基于数据手套的手语识别方式，数据手套与主机通过串口进行通信。