48、基于机器学习的手语识别系统：助力聋哑人群数字沟通

基于机器学习的手语识别系统：助力聋哑人群数字沟通

1. 研究背景与目标

众多研究者正积极推动手语识别领域的系统发展，致力于开发创新解决方案，以提升手语的识别和理解能力，从而增强听力障碍人士的沟通便利性。所提出的系统借助实时摄像头实现无缝数字通信，非常适合计算机交互。该模型集成了卷积神经网络（CNNs）来有效提取输入数据的空间特征，然后将这些特征输入到长短期记忆网络（LSTM）算法中，使模型能够捕捉随时间变化的时间依赖关系和模式。此项目有望缩小沟通差距，促进熟练使用美国手语（ASL）的人群在数字领域的包容性。

2. 研究方法

研究基于探索性和实验性策略，通过改进超参数来提高模型的置信度。开发实时手语识别系统包括以下结构化任务：
1. 明确目标与文献综述 ：确定项目目标，并对现有文献进行全面回顾，以了解该领域的当前状态，确定手语识别中使用的关键算法和技术。
2. 数据集收集与整理 ：收集包含各种手势和手部姿势的数据集，用于训练和测试系统。实施细致的过程去除数据集中不清晰的图像，确保数据集的完整性，以提高手语识别模型的准确性和可靠性。
3. 数据预处理 ：对获取的数据进行预处理，以提高其质量并为有效的模型训练做好准备。
4. 模型选择与架构构建 ：选择用于手部检测和符号识别的模型。使用MediaPipe框架进行手部检测和地标提取，在输入图像上绘制风格化的地标。然后构建模型架构，选择合适的神经网络层和连接，以有效捕捉手部手势的特征。
5. 模型训练与评估