基于图像的印度手语识别：使用深度神经网络的实用性综述
计算机视觉与模式识别
2023-05-01 v1 人工智能
摘要
有发声与听觉障碍的人士使用手语通过视觉手势和符号来表达自己。尽管手语解决了聋人所面临的沟通困难，但仍然存在问题，因为大多数普通人群无法理解这种语言，从而造成了沟通障碍，尤其是在银行、机场、超市等场所[1]。必须有一个手语识别（SLR）系统来解决这一问题。本模型的主要重点是开发一个实时的词级手语识别系统，将手语翻译为文本。已有大量研究针对ASL（美国手语）展开。因此，我们致力于ISL（印度手语）以满足印度聋哑及听障群体的需求[2]。在本研究中，我们提供了一个基于印度手语的手语识别系统。在该分析中，用户必须能够使用网络摄像头拍摄手部动作的照片，系统必须预测并显示所拍摄图片的名称。获取的图像经历多个处理阶段，其中一些使用计算机视觉技术，包括灰度转换、膨胀和掩膜。我们的模型使用卷积神经网络（CNN）进行训练，随后用于识别图像。我们的最佳模型准确率为99%[3]。
引用
@article{arxiv.2304.14710,
title = {Image-based Indian Sign Language Recognition: A Practical Review using Deep Neural Networks},
author = {Mallikharjuna Rao K and Harleen Kaur and Sanjam Kaur Bedi and M A Lekhana},
journal= {arXiv preprint arXiv:2304.14710},
year = {2023}
}
备注
14 pages, 20 figures, 1 table