王罗景

(商丘职业技术学院，河南 商丘 476100)

人类通常只要看过例子就能识别新的手势，但这对于计算机来说，即使是识别定义明确的手势，如手语，也具有很大的挑战性，一般需要数千个训练示例才能学会.每个班级给出的单个训练示例的手势识别问题，就是所谓的一次学习.在每个类只有一个训练示例的情况下，统计机器学习的数据很可能会失败，因为它们会受到过度拟合问题的影响.此外，手势可以是静态的，也可以是动态的，更有甚者，有些手势既有静态元素也有动态元素，就像人类的手语一样.静态手势是将单个姿势保持一定持续时间的一种手势，而动态手势由一系列姿势组成，这些姿势可以是重复的，也可以不是重复的，并且其中姿势顺序和序列的定时可能是关键的[1].试图识别典型体育视频中裁判员的动态手势，对图像分割技术提出了巨大的计算要求[2].它需要对图像进行复杂的分析，并提取大量的图像特征，为进一步的分类和决策提供支持[3].

在篮球比赛中，裁判员有责任执行比赛规则并使用手势与得分表进行通信，如图1所示.但是，有时裁判和得分手之间可能存在手动沟通，这有可能会引起误解，从而延误比赛进程.裁判手势的自动识系统别既可以减少篮球比赛中对裁判决策的误解，还可以减少对比赛录像的自动注释，为观看比赛的观众提供实时信息.随着传感器和计算机技术的进步，人机交互(HCI)系统……