【技术实现步骤摘要】
本专利技术属于手语识别领域，尤其涉及一种基于骨骼角度特征的静态手语识别方法。
技术介绍
1、手语识别是聋人社群进行沟通交流的主要语言。作为一门视觉化的语言，手语具有丰富的词汇和完备的语法。但是在日常生活中，听人由于缺少专业知识，很难看懂聋人的手语所表达的内容。这种沟通障碍给聋人日常生活带来了不便，尤其是在医院、银行、车站等公共场合。为了实现聋人和听人的自由沟通，手语识别是其中非常重要的技术环节。
2、现有的手语识别模型普遍面临着不准确度的问题，主要体现在对手势的标准化输入依赖。许多系统在实际应用中，难以应对手势的多样性和变形。当手摆放不正或处于非标准姿态时，这些模型的识别准确率显著下降，导致识别效果不佳。很多系统也未能充分利用手的空间位置与姿态信息，进一步降低了识别的精度和可靠性。
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种基于骨骼角度特征的静态手语识别方法，包括：
2、基于mediapipe方法获取历史数据集中的人体手部骨骼关节点坐标数据；
3、对所述人体手部骨骼关节点坐标数据进行数据预处理，获得预处理数据集；
4、构建长短时记忆网络模型，基于所述预处理数据集对所述长短时记忆网络模型进行训练，获得手语识别模型；
5、基于所述手语识别模型对静态手语进行识别。
6、优选地，基于mediapipe方法获取历史数据集中的人体手部骨骼关节点坐标数据的过程包括：
7、获取历史数据集；
<...【技术保护点】
1.一种基于骨骼角度特征的静态手语识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于Mediapipe方法获取历史数据集中的人体手部骨骼关节点坐标数据的过程包括：
3.根据权利要求1所述的方法，其特征在于，基于所述基准轴计算每一组线段作为向量的斜率的表达式为：
4.根据权利要求1所述的方法，其特征在于，所述长短时记忆网络模型的损失函数为：
5.根据权利要求1所述的方法，其特征在于，所述获得手语识别模型的过程还包括：将精确度与F1-Score作为所述手语识别模型的评估指标。
6.根据权利要求5所述的方法，其特征在于，所述精确度的计算表达式为：
7.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述权利要求1-6任意一项所述方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述权利要求1-6任意一项所述方法。
【技术特征摘要】
1.一种基于骨骼角度特征的静态手语识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于mediapipe方法获取历史数据集中的人体手部骨骼关节点坐标数据的过程包括：
3.根据权利要求1所述的方法，其特征在于，基于所述基准轴计算每一组线段作为向量的斜率的表达式为：
4.根据权利要求1所述的方法，其特征在于，所述长短时记忆网络模型的损失函数为：
5.根据权利要求1所述的方法，其特征在于，所述获得手语识别模型的过程还包括：将...
【专利技术属性】
技术研发人员：王鸿伟，蒋天宇，杨锦龙，智慧来，王荣海，林捷，辛勤芳，吴豪杰，
申请(专利权)人：泉州师范学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。