基于视觉的手语识别及其分类

手语是人们在聋人环境中使用手的姿势、动作、位置和朝向,配合面部表情、按照一定的规则来表达特定语义的交际工具。本文分别从基于词根的手语识别方法,基于视觉的手语识别方法和基于中国手语单手词汇的识别方法对两种手语分类的方法进行了论述。     

一种用于手语识别的中国手语分类方法

从手语识别的角度出发对中国手语的特征进行了分析,对现有的手语识别方法－－基于计算机视觉的方法和基于佩带式输入设备的方法进行了分析和比较,并提出了一种新的手语分类方法。     

基于RGB-D图像的视觉SLAM算法研究

针对主流的RGB-D SLAM系统精度较低并且仅生成稀疏点云地图的问题,提出一种改进的SLAM系统。前端采用改进的ORB特征提取算法,改进特征点簇集的问题;后端综合利用EPnP与ICP算法进行相机位姿优化,提高位姿估计精度;并增加稠密点云地图构建线程,得到场景的稠密点云地图,以用于机器人的导航与路径规划。在TUM数据集上,使用Kinect V2相机将改进的SLAM算法与ORB-SLAM2算法进行实验比对,验证了改进SLAM算法的综合性能优于ORB-SLAM2算法。     

基于Kinect的中国手语识别

基于微软Kinect提取的深度图像信息,提出了一种新的中国手语识别方法。该方法首先利用Kinect获取人体主要骨骼的3D坐标和手的3D坐标;然后根据中国手语的手型、手的位置和手的方向3个主要构造成分,分别采用DBSCAN和K-means聚类算法获取手语特征中的手的位置基元和方向基元,提出一种结合CLTree和Attribute bagging聚类集成方法提取手型基元;最后将这3类基元进行组合采用模板匹配方法识别中国手语。通过对选取的72个中国手语进行识别实验,平均识别率为90.35%,实验结果说明了方法的可行性。     

基于移动终端的汉语手语识别技术研究

文中使用图像轮廓填充图形作为手语手势的特征参数进行静态手语识别。关键是提取出图像边缘轮廓,并做出轮廓填充图形,根据这个特征参数对待测图像进行手语手势的特征匹配。该方法对图像亮度、缩放、平移、旋转具有不变性,而且该方法计算简单、快速,可以用于基于移动终端（Android手机操作系统平台下）的手语识别系统。     

基于轻量3D CNNs和Transformer的手语识别

针对传统基于3D CNNs(三维卷积神经网络)的手语识别方法模型计算复杂度和内存占用较高,及基于RNNs(循环神经网络)的连续手语识别方法的长距离建模能力不足的问题,提出一种基于轻量3DCNNs和Transformer的手语识别方法．首先使用轻量3D CNNs进行孤立词手语识别的时空建模,然后提出RKD(随机知识蒸馏),从多个教师模型中提取知识以提高轻量三维卷积的特征提取能力;针对连续手语,在特征提取后使用完全基于自注意力的Transformer进行全局建模．实验结果表明：所提方法在CSL-500和CSL-continuous数据集上可以获得95.10%的识别率和1.9的WER(词错误率),证明了所提方法的有效性．     

基于卷积-递归神经网络和费舍尔向量的RGB-D物体识别

综合利用彩色和深度信息,采用多数据模式的特征提取策略,提出一种基于卷积-递归神经网络和费舍尔向量的RGB-D 物体识别方法. 对于彩色图像和深度图像,分别利用卷积-递归神经网络和卷积-费舍尔向量-递归神经网络提取物体的纹理及形状特征. 为了更加全面的获取物体信息的特征表述,引入了灰度图像和表面法向量作为原始数据的补充,并利用卷积-递归神经网络提取特征. 最后,将4 种数据模式下提取到的特征融合起来,输入到softmax 分类器中实现RGB-D 物体识别. 在标准的RGB-D 数据库中对算法进行验证,所提算法可以有效提高物体识别率.     

基于身体姿态关键点检测及算法融合的连续手语识别

连续手语识别相对于单个手语词识别来说,更加具有研究意义也更加具有研究难度.连续手语识别需要更关注整体语句在时间上的依赖关系,以及语句中手语词结束与开始的时序分割问题.而对此的单个识别算法的研究与优化,短时间都很难再有较大的突破.因此,我们提出一种基于算法融合的连续手语识别方法,先通过帧间差分法处理关键帧,再通过MediaPipe检测并保存关键点数据,降低数据量,并提供有效、直接的数据;再通过CNN+BLSTM算法融合模型,让CNN专注局部感知,捕捉空间特征关系;BLSTM则侧重特征序列的时序建模,突出连续手语在时间纬度上的依赖关系.最后结合CTC完成标签和语句对齐问题.该算法在CSL数据集上取得了98.4%的平均识别率.     

基于改进的YOLOv5s结构的手语识别设计

听力障碍者需要通过手语等方式才能进行沟通交流,但是大部分听力正常的群众不会解读手语。为解决该问题,创建了手语数据集,并提出一种基于YOLOv5改进的手语识别模型。该模型采用轻量级网络结构MobileNetV3替换了YOLOv5目标检测算法的骨干网络,取得了很好的效果。经过测试,改进后的模型在手语识别数据集中检测平均精度均值（mAP）达到98.5%,召回率（Recall）为0.92,F1（F1 score）分数为0.929。研究提出的模型在提高训练速度、减少参数量的同时,提高了手语识别的精度,满足实际检测需求。     

文法识别与数据库汉语查询语言的结构分析

由于自然语言的复杂性和随意性，自然语言理解在人工智能领域中遇到了一些问题，而作为数据库，自然语言界面从一定程度上简化了自然语言理解的难度．把这些查询句加以归类整理，形成相应的模式类，并提出了具体的理解算法，较好地解决了在自然语言用于数据库查询时的理解问题，达到了预想的结果．     

人工智能编辑语言与编辑工作现代化

本文讨论了编辑语言的划分及特征,首次提出人工智能编辑语言,并且进行了分类,指出人工智能编辑语言是现代科技语言的重要标志。深入探讨了人工智能编辑语言的地位与功用。重点讨论了人工智能编辑语言的支撑语言~科技英语的重要地位,特别是撰写英文摘要共同关心的问题给以初步讨论。掌握人工智能编辑语言及科技英语支撑语言,是编辑工作现代化的重要措施。     

人工智能在入侵检测系统中的应用

人工智能和入侵检测技术的结合，将克服入侵检测系统的一些缺点，同时对人工智能技术本身也有很大的推动力。介绍了在入侵检测系统中出现的主要人工智能技术，并讨论了其在入侵检测系统中所起的作用。     

网络答疑系统现状分析

网络答疑系统在远程教育中起着非常大的作用,它能够促进师生交流、帮助学生找到问题的答案,提高学生的学习效率,同时也可以避免教师对同样的问题做出反复的解答,有利于教学质量的提高。本文对国内外网络答疑系统的现状进行了分析,指出了网络答疑系统目前存在的不足,并指出了网络答疑系统发展的方向。     

基于多尺度卷积神经网络的交通标志识别

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性.     

基于卷积神经网络的交通标志识别方法

针对卷积神经网络(CNN)在交通标志识别过程中出现的梯度弥散而引起的识别率低的问题,给出了基于改进CNN结构的交通标志识别方法.实验结果表明:该方法能够有效提高识别精度,防止梯度弥散.     

人脸识别系统中的BP网分类方法

介绍了用于人脸模式自动识别系统中的ＢＰ网的基本原理和算法及步骤,提出了隐层神经元个数的物理意义和选取原理,讨论了Ｓｉｇｍｏｉｄ函数的改进形式和网络初始权植的设置原则。     

改进的双流多模态信息融合坐姿识别方法

不正确的坐姿通常会导致青少年近视、脊柱侧弯和退行性疾病.研究能够快速、准确识别不规律坐姿的智能监测技术,有助于保持正确的姿势并预防健康问题.为了解决RGB图像易受光照强度以及遮挡因素的干扰并造成的识别率不高等问题,通过采用双流RGB-D图像作为双输入,利用ResNet网络中的残差结构改进EfficientNet基线网络结构,提出了一种基于改进R-EfficientNet的双流RGB-D多模态信息融合的坐姿识别方法.试验结果表明,提出的R-EfficientNet融合方法模型对8种坐姿的识别均值平均精度(mean average precision,mAP)达到 了 98.5％.与 CNN、Vgg16、ResNet18、EfficientNet、RGB-D 不同的输入方法相比,所提方法获得了最高的识别率.该方法不仅可以用于坐姿客观监测,具有医学和社会效益,此外还为人体工学研究者们提供改进办公家具的方案.     

神经机器翻译综述

机器翻译研究在非人工干预的情况下,利用计算机自动地实现不同语言之间的转换,是自然语言处理和人工智能的重要研究领域,神经机器翻译(neural machine translation,NMT)利用神经网络实现源语言到目标语言的转换,是一种全新的机器翻译模型.神经机器翻译经过最近几年的发展,取得了丰富的研究成果,在很多语言对上超过了统计机器翻译方法.首先介绍神经机器翻译的基本思想和主要方法,然后对最新的前沿进展进行综述,最后对神经机器翻译的未来发展方向进行展望.