आसामान्य मार्कोव मॉडल को तीन-आयामी कंप्यूटर विज़न विधियों का उपयोग करके एएसएल पहचान के लिए अनुकूलित करना

हम लगातार अमेरिकी संकेत भाषा (ASL) पहचान के लिए एक दृष्टिकोण प्रस्तुत करते हैं, जो इनपुट के रूप में हाथ के आंदोलनों का 3D डेटा उपयोग करता है। हम 3D वस्तु आकार और गति पैरामीटर निकासी के लिए कंप्यूटर विज़न विधियों का उपयोग करते हैं और 'फ्लॉक ऑफ बर्ड्स' टेक्नोलॉजी का उपयोग करते हैं ताकि ASL वाक्यांशों के सटीक 3D गति पैरामीटर प्राप्त किए जा सकें, जो 53-संकेत शब्दावली और व्यापक रूप से विविध वाक्य संरचना से चुने गए हैं। इन पैरामीटरों का उपयोग छिपे मार्कोव मॉडलों (HMMs) के लिए विशेषताओं के रूप में किया जाता है। सह-आर्टिकुलेशन प्रभावों को संबोधित करने और हमारी पहचान परिणामों में सुधार करने के लिए, हमने दो अलग-अलग दृष्टिकोणों के साथ प्रयोग किया। पहला संदर्भ-निर्भर HMMs को प्रशिक्षित करने का consists है और यह भाषण पहचान प्रणाली से प्रेरित है। दूसरा संकेतों के बीच आत्मीय आंदोलनों का मॉडलिंग करना है और यह ASL फोनोलॉजी की विशेषताओं से प्रेरित है। हमारे प्रयोगों ने सत्यापित किया कि दूसरा दृष्टिकोण बेहतर पहचान परिणाम देता है।