1. 研究目的与意义

手语是一种不使用语言，而是使用手势、脸部表情、身体动作来表达一定意思或词语的语言。

对于一般大众而言，手语并不通用，但是对于听力障碍人士来说，手语是他们之间相互交流的有效语言。

手语也和正常人使用的语言一样，不但具有自己独自的词汇和语法体系，并且可以表达各种细微的信息。

2. 国内外研究现状分析

对于手语识别的研究，国外取得了丰富的研究成果，如Du^[2]利用7导表面肌电对11个手势基于灰度相关分析的方法，获得了95.9%的识别率。Rehmm^[3]采用HMM(Hidden Markov M odels)技术，借助1个三轴加速计对8个手势动作进行识别，识别率达到了97.2%。Naddy^[6]采用基于图像的二维方向直方图作为手语特征，利用K-近邻分类器，针对22个印度手语词进行识别，得到了100%的识别率。Vogler和Metaxas^[7]利用1个位置跟踪器和3个互相垂直的摄像机，通过计算机视觉方法提取手语者手语的三维运动参数，并利用HMM进行识别。针对由53个手语词组成的486个句子，在上下文相关的情况下，得识别率达到了89.91%。

在国外，我国的科研工作者也取得了一些成果，如田建勋，陈香等^[5]采用多级决策树融合加速计（AAC）和表面肌电（SEMG）信息识别手语词根，并引入统计语言模型进行词根接续判断和错误纠正的中国手语连续语句的识别方法，对包含有120个词根的200组连续中国手语句子展开识别，120个手语词根全局平均识别率接近95%，句子识别率接近90%，采用纠错模型的方法与未采用纠错模型相比，词根的平均识别率提高了4%左右，句子识别率提高了10%。Liang和Ouhyyong^[15]使用数据手套作为输入设备，HMM作为识别技术，在打手语的速度比正常的速度慢的前提下，能够识别手语者打出的由250个台湾手语词组成的连续句子。(下转文献综述)

3. 研究的基本内容与计划

在halcon软件平台上对图像进行处理，定位图像中手部位置，并进行图像分割，获得便于手势识别的手势二值图像。

向软件及硬件设计同学反馈说获得图像质量的情况，并提出一定的改进建议。

设计内容：

4. 研究创新点

本课题开发一套机器视觉系统实现采用用户打手势的方式作为向计算机发布指令的功能。