一种语句级手语识别方法、系统、设备及终端与流程

技术特征：
1.一种语句级手语识别方法，其特征在于，所述语句级手语识别方法包括以下步骤：步骤一，基于cost射频识别技术的商业射频识别装置，通过无线电在识别系统和无源标签之间获取特定目标的相位序列，获得原始的手语数据信号；步骤二，进行相位偏移校正和利用基于阈值的小波去噪方法去除由于环境硬件和高斯噪声引起的相位偏移，获得纯净的相位序列；步骤三，利用基于标准偏差的信号处理方法实现有效手语数据信号的分割；步骤四，通过对同一手语信号和不同手语信号之间的每个特征分析，选择选择在同一手语信号中保持稳定而在不同手语信号之间能够明显区分的特征，进行有效的特征提取；步骤五，利用随机森林分类器，并使用50个决策树实现手语识别。2.如权利要求1所述语句级手语识别方法，其特征在于，步骤二中，所述进行相位偏移校正和利用基于阈值的小波去噪方法去除由于环境硬件和高斯噪声引起的相位偏移，获得纯净的相位序列，包括：(1)利用基于阈值的小波去噪方法去除由于环境硬件和高斯噪声引起的偏移，公式如下：θ
true
＝θ-θ
n
(θ
n
＝πor 2π)；其中，n是序列号，θ
true
是去除相位偏移后的真实相位值，θ是原始的相位序列值，θ
n
是相位偏移值；(2)通过从rfid阅读器的api中获得手语数据信号移除噪声后的相位序列如下：θ＝{θ1，θ2…
θ
i
…
θ
n
}；其中，n是相位序列数，θ是去除噪声后的相位序列，θ
i
是相位序列中的相位值；(3)利用同一化处理数据以减小不同时刻同一手势的微小差异，计算公式如下：(3)利用同一化处理数据以减小不同时刻同一手势的微小差异，计算公式如下：其中，s(i)是标准化后的中间结果，θ(i)是相位序列中的相位值，min(θ)是相位序列中的最小值，max(θ)是相位序列中的最大值，a(i)是归一化后的第i个相序样本。3.如权利要求1所述语句级手语识别方法，其特征在于，步骤三中，所述利用基于标准偏差的信号处理方法实现有效手语数据信号的分割，包括：(1)将样本中的每个相位值减去中位数并求绝对值：m(i)＝|a(i)-median(a)|；其中，median(a)是中位数，m(i)是相位序列a(i)中的每个数减去中位数median(a)的绝对值；(2)将数据依次分组计算标准差：
其中，d(i)是计算标准后的新序列标准差，k是序列的长度，μ是平均值序列k＝50；(3)利用d(i)的值，单个数据大于阈值r(r＝0.1)的数据组是有效数据。4.如权利要求1所述语句级手语识别方法，其特征在于，步骤四中，所述通过对同一手语信号和不同手语信号之间的每个特征分析，选择选择在同一手语信号中保持稳定而在不同手语信号之间能够明显区分的特征，进行有效的特征提取，包括：(1)提取得到的有效数据组的十个特征值，包括偏斜度、期望值、三阶中心距离、平均值、方差、标准差、峰度、能量以及主频比最大频率峰值；(2)提取得到的有效数据的sos值：sos：假设n是数组的长度，从第一组数组开始，每个数字和下列(k-1)数字组成一个长度为k的数组，得到每个数组的标准偏差值，得到(n-k 1)个标准偏差，找到和所述(n-k 1)标准偏差的总和，并得到sos：；比较数据的柔和程度波动；当数据波动时，该值很大；当数据波动较小时，会变得较小，公式如下：其中，n是数据集中的数据总数，μ是k个数据的平均值，k是每个标准偏差的数据数量。5.如权利要求1所述语句级手语识别方法，其特征在于，步骤五中，所述利用随机森林分类器，并使用50个决策树实现手语识别，包括：(1)将数据打乱并提取出1/10组的数据作为数据测试集，其余数据作为训练集，将测试集和训练集导入rf分类器进行识别；(2)提取另外1/10组的数据作为数据测试集，循环导入rf分类器直至每组数据都进行过测试，最终得到测试结果。6.一种实施权利要求1～5任意一项所述语句级手语识别方法的语句级手语识别系统，其特征在于，所述语句级手语识别系统包括：手语数据信号获取模块，用于基于cost射频识别技术的商业射频识别装置，通过无线电在识别系统和无源标签之间获取特定目标的相位序列，获得原始的手语数据信号；信号去噪处理模块，用于进行相位偏移校正和利用基于阈值的小波去噪方法去除由于环境硬件和高斯噪声引起的相位偏移，获得纯净的相位序列；手语信号分割模块，用于利用基于标准偏差的信号处理方法实现有效手语数据信号的分割；特征提取模块，用于通过对同一手语信号和不同手语信号之间的每个特征分析，选择选择在同一手语信号中保持稳定而在不同手语信号之间能够明显区分的特征，进行有效的特征提取；手语识别模块，用于利用随机森林分类器，使用50个决策树实现手语识别。7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：基于cost射频识别技术的商业射频识别装置，通过无线电在识别系统和无源标签之间获取特定目标的相位序列，获得原始的手语数据信号；进行相位偏移校正和利用基于阈值
的小波去噪方法去除由于环境硬件和高斯噪声引起的相位偏移，获得纯净的相位序列；利用基于标准偏差的信号处理方法实现有效手语数据信号的分割；通过对同一手语信号和不同手语信号之间的每个特征分析，选择选择在同一手语信号中保持稳定而在不同手语信号之间能够明显区分的特征，进行有效的特征提取；利用随机森林分类器，并使用50个决策树实现手语识别。8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：基于cost射频识别技术的商业射频识别装置，通过无线电在识别系统和无源标签之间获取特定目标的相位序列，获得原始的手语数据信号；进行相位偏移校正和利用基于阈值的小波去噪方法去除由于环境硬件和高斯噪声引起的相位偏移，获得纯净的相位序列；利用基于标准偏差的信号处理方法实现有效手语数据信号的分割；通过对同一手语信号和不同手语信号之间的每个特征分析，选择选择在同一手语信号中保持稳定而在不同手语信号之间能够明显区分的特征，进行有效的特征提取；利用随机森林分类器，并使用50个决策树实现手语识别。9.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求6所述语句级手语识别系统。10.一种如权利要求6所述的语句级手语识别系统在人工智能技术领域中的应用。

技术总结
本发明属于动作识别技术领域，公开了一种语句级手语识别方法、系统、设备及终端，所述语句级手语识别方法包括：原始手语数据信号的采集；手语数据预处理；分割有效手语活动部分数据；有效特征提取；利用随机森林分类器进行数据训练，实现手语识别。本发明的手语识别方法采取去了有效的特征提取方法，即在原有的十个特征基础之上新增了新的特征，能够反映数据波动的温和程度，所以本发明能够有效的提取语句级的手语信号特征。本发明采用了随机森林分类器，其中使用了50个决策树，使用经过多次实验确定的此分类器也对手语识别的准确率有好的提升效果。本发明的手语识别方法的鲁棒性非常好，因此能够很好的适用与应用场景，具有一定的普适性。的普适性。的普适性。


技术研发人员：孟宪佳 杨永 冯琳 单士玺
受保护的技术使用者：西北大学
技术研发日：2021.08.26
技术公布日：2022/1/7