Abstract
在本篇論文中，主要是研究人機互動的一個領域。而其中包含了肢體互動的方式，手語辨識系統則是其中的應用。在手語系統中，包含單字手語的辨識和連續手語的辨識。其中單字手語辨識的發展已經經過了很長的一段時間，所使用的方式是利用HMM或是DTW等方式來達到辨識的效果。而連續手語則是一個比較複雜的問題，其中連續手語序列的分割是最為難以解決的部分，所以本篇論文我們將專注於連續手語序列的分割。在我們的連續手語系統當中，我們主要是使用PHMM來去做辨識，而主要的連續手語序列則是使用CRF模型來做分割。在連續手語當中，在兩個單字手語的區間會有一段轉換的過程，我們稱之為ME，或是非手語部分。CRF模型主要是利用我們所建立的手語單字模型，來去辨識我們沒有建立的非手語(ME)部分。在其中我們有訓練到的手語，其CRF模型的機率值會偏高。反之在我們沒訓練到的ME部分，CRF的機率值會偏低。因此我們藉由此特性可以成功的分割出手語部分和非手語(ME)的部分。在我們的實驗環境中，我們使用了40個手語字彙與5個測試者。其中3個測試者來去做訓練，2個測試者做測試。每個測試者比劃出相同的5段手語做計算。我們計算出來的精確度和回復率分別是最佳92.5和88.5。結果說明了我們的手語辨識系統中有不錯的分割效能。