62、卫星图像分类、手语识别与考勤监测技术研究

卫星图像分类、手语识别与考勤监测技术研究

1. 卫星图像分类

在卫星图像分类工作中，使用卷积神经网络（CNN）进行分类精度的图形表示使工作变得困难。为确定精度，会对用于测试的图像进行检查。研究开发了一个卫星图像分类系统，其分类精度达到了 91.3%。

未来研究建议可以考虑在 CNN 中使用无监督训练方法，也可以尝试其他神经网络。

2. 手语识别系统（使用隐马尔可夫模型 HMMs）

2.1 研究背景

在日常生活中，有许多听力障碍人士，手语是他们最自然的交流方式。一些餐厅已经开始招聘聋哑服务员，为他们提供就业机会。因此，自动手语识别成为了视觉研究的关键。该项目旨在构建一个能够识别美国手语（ASL）单词的系统。

2.2 研究目标与方法

• 目标 ：构建一个从视频序列中识别单词的系统。
• 方法 ：使用隐马尔可夫模型（HMM）分析手部的水平和垂直运动序列。在视频中，记录说话者右手的水平位移（‘x’位置）和垂直位移（‘y’位置）。

2.3 研究内容

研究分为三个部分：
1. 推导各种特征集
2. 实施三种不同的模型选择标准，以确定每个单词模型所需的隐藏状态数量
3. 构建识别器并评估不同特征集和模型选择标准组合的效果

2.4 文献综述

不同地区的手语识别