14、动态手势识别与语音转录实验研究

动态手势识别与语音转录实验研究

在科技不断发展的今天，动态手势识别和语音转录技术在诸多领域展现出了巨大的应用潜力。本文将为大家详细介绍动态手势识别以及语音转录的相关研究，包括其使用的技术、实验结果以及未来的应用前景。

动态手势识别

在动态手势识别方面，为了对不同的手部手势进行分类，研究人员采用了多种技术。

变换技术

• 离散傅里叶变换（Discrete Fourier transform） ：对于长度为 m 的向量 V，其傅里叶变换定义如下：
  [
  fft(V) = Y(k) = \sum_{j = 1}^{m} V(j) \times W_m^{(j - 1)(k - 1)}
  ]
  其中，(W_m = exp(-\frac{2i\pi}{m}))。
• 离散小波变换（Discrete wavelet transform，dwt） ：从长度为 m 的信号 V 开始，计算两组系数：近似系数 CA1 和细节系数 CD1。这些向量是通过将 V 与低通滤波器 (Lo_D) 进行卷积以获得近似值，与高通滤波器 (Hi_D) 进行卷积以获得细节，然后进行二进抽取得到的。每个滤波器的长度等于 2L。对于长度为 m 的信号，系数 CA1 和 CD1 的长度为 ([(m - 1) / 2 + L])。

分类器

为了将考虑的数据集中的不同手部手势区分为 11 类，研究人员使用了多类一对一的支持向量机（SVM）分类器，并在已有的合成数据集上进行训练。采用的是 LIBSVM 包中的实