孫茂康+李一帆+史煒+徐綱健

摘 要：針對我國聽力、語言殘障人士交流困難的問題，文中設(shè)計了一款“你說我懂”移動設(shè)備手語識別系統(tǒng)。該系統(tǒng)可裝載在手機(jī)、平板等移動設(shè)備上，能夠?qū)κ终Z進(jìn)行實時傳輸分析并轉(zhuǎn)換成音頻輸出，解決了殘障人士與正常人溝通不暢的難題，具有良好的社會效益與經(jīng)濟(jì)效益。

關(guān)鍵詞：手語識別；同步翻譯

1 作品簡介

我國聽力、語言殘障人士超過2 000萬人，然而全球有近5億人飽受交流障礙的困擾。聾啞人之間基本的交流方式是“手語”，雖然這使他們內(nèi)部之間的交流方便很多，但與正常人交流時，卻常常因為對方不理解手語造成交流困難?！笆终Z識別”是指通過采集設(shè)備獲得聾啞人的手語數(shù)據(jù)，采用模式識別算法，結(jié)合上下文知識獲知手語含義，進(jìn)而翻譯成語音，傳達(dá)給不懂手語的正常人，從而“聽懂手語”。

現(xiàn)有的主流手語識別設(shè)備是基于數(shù)據(jù)手套的手語識別系統(tǒng)，利用數(shù)據(jù)手套和位置跟蹤器測量手勢在空間運(yùn)動的軌跡和時序信息，其缺點明顯，如穿戴復(fù)雜，設(shè)備昂貴，不易攜帶與推廣。基于此，本課題組設(shè)計了一套便于裝載在可移動便攜設(shè)備如手機(jī)、平板上的手語識別系統(tǒng)，能夠?qū)κ终Z進(jìn)行實時傳輸分析并轉(zhuǎn)換成音頻輸出，為打手勢者配備“同步翻譯師”，解決交流困難這一難題。手語示例如圖1所示。

該手勢識別系統(tǒng)主要基于圖像處理與分析技術(shù)，考慮到實時交流的通暢性和便利性，設(shè)計的識別系統(tǒng)選擇手機(jī)等移動設(shè)備作為圖像攝取端和文字語音輸出端，即將照相機(jī)鏡頭對準(zhǔn)對方手勢進(jìn)行拍攝，避免了傳統(tǒng)加載諸多傳感器帶來的操作不便和數(shù)據(jù)處理方面的困難。

識別系統(tǒng)將主要的處理模塊以“中繼服務(wù)器”的形式分離出來，通過與手機(jī)終端設(shè)計的App結(jié)合使用，對拍攝手勢進(jìn)行實時處理，隨后以文字的形式顯示或語音的方式播放，達(dá)到有需求就能下載，下載后就能立即翻譯的效果，輔以文字和語音等多種輸出形式，輔助解決聾啞人與常人交流困難的問題，初步實現(xiàn)“你說我懂”，我說你懂的順暢交流。

該系統(tǒng)主要包括手語識別技術(shù)與手機(jī)編程技術(shù)。輸入便攜式設(shè)備拍攝的連續(xù)手勢視頻流，需要進(jìn)行穩(wěn)像增強(qiáng)、時空特征點提取和多類別手勢模型學(xué)習(xí)與識別等技術(shù)處理。在模型訓(xùn)練階段，每一個手語詞采集多個訓(xùn)練樣本，提取訓(xùn)練樣本的特征，并通過支持向量機(jī)區(qū)分判別學(xué)習(xí)，得到一個統(tǒng)計模型對該手語詞進(jìn)行圖像特征建模。在識別階段，對輸入的視頻序列用同樣的特征提取方法，生成軌跡和手型兩個通道的特征描述，與庫中的所有詞匯模型進(jìn)行匹配，獲得候選詞匯集。在得到手語單個詞匯的識別結(jié)果后，由于無法保證所有詞匯都識別正確，因此可根據(jù)語言模型對識別結(jié)果進(jìn)行修正，得到更為合理和正確的結(jié)果。此處無需數(shù)據(jù)實時傳輸，只需離線時下載手機(jī)App應(yīng)用及其支持庫（手語詞匯模型庫），輸入時提取特征進(jìn)行識別即可。其優(yōu)勢在于不需聯(lián)網(wǎng)，信號無關(guān)，節(jié)省電量，解決了便攜式設(shè)備的最大問題。

2 創(chuàng)新性

（1）將“手語”翻譯成“口語”，從技術(shù)應(yīng)用角度消除了交流不便給聾啞人帶來的苦惱，實現(xiàn)對智能體的手語控制，給予機(jī)器人示范學(xué)習(xí)，改善和提高殘疾人士的生活、學(xué)習(xí)和工作條件，帶來一種交流上的變革式發(fā)展。

（2）作品以手機(jī)等移動便攜式設(shè)備作為輸入輸出端。據(jù)統(tǒng)計，我國的手機(jī)用戶已接近13億，除特殊情況，幾乎每人都有手機(jī)。將手機(jī)作為系統(tǒng)載體將使該應(yīng)用得到極大拓展，其使用的便捷性和擴(kuò)展性不言而喻。

（3）隨著計算機(jī)性能的逐步提高和各領(lǐng)域?qū)τ嬎銠C(jī)使用的不斷深入，用戶對計算機(jī)使用方便程度和人機(jī)交互的自然性要求越來越高，尤其在虛擬現(xiàn)實和可穿戴計算領(lǐng)域中更為明顯，直觀、自然和友好的多模式人機(jī)交互方式很有必要，手語識別不僅可以為聾啞人提供幫助，還可推動人機(jī)交互研究的發(fā)展。

3 市場前景

從認(rèn)知科學(xué)的角度研究人的視覺語言理解機(jī)制，提高計算機(jī)的人類語言理解水平，以此應(yīng)用于計算機(jī)輔助啞語教學(xué)、電視節(jié)目雙語播放、虛擬人研究、電影制作中的特技處理、動畫制作、醫(yī)療研究、游戲娛樂等方面。

由此看出，本作品的推廣前景十分廣闊。軍事手語識別、醫(yī)療手術(shù)手勢識別、體育裁判手勢識別等都可以此系統(tǒng)作為開發(fā)平臺。如在醫(yī)療方面，可以用來顯示手術(shù)醫(yī)生對手術(shù)工具需求手勢的含義；在軍事方面，在某些特殊的作戰(zhàn)條件下，作戰(zhàn)人員不能以語言進(jìn)行交流，可通過手語及其識別系統(tǒng)完成信息交流，用該系統(tǒng)顯示作戰(zhàn)手勢的含義……作為一個開放式系統(tǒng)，可以不斷向其中補(bǔ)充特定手勢與對應(yīng)含義，將其儲存并形成數(shù)據(jù)庫，從而實現(xiàn)功能和應(yīng)用領(lǐng)域拓展，為人機(jī)交互提供新的途徑。

未來，可將手語技術(shù)繼續(xù)整合于功能日益強(qiáng)大的個人助理終端，完善軟件功能，基于計算技術(shù)領(lǐng)域最新成果，為用戶提供新穎和更加人性化、個性化的服務(wù)。如利用無線定位技術(shù)和行為識別技術(shù)，實時感知聾啞人所處位置和狀態(tài)，向用戶或監(jiān)護(hù)人提供及時的視頻播放服務(wù)或監(jiān)護(hù)提示服務(wù)等。

該系統(tǒng)應(yīng)用前景廣闊，普適性好，二次開發(fā)性強(qiáng)，使用方便，易于推廣，具有龐大的市場潛力和巨大的經(jīng)濟(jì)效益。