摘要
手是人身体上最灵活的部位，根据手型的变化，手势的运动轨迹，能够表达出不同的含义。手势作为人与人、人与机器之间一种直观的交互方式，随着人工智能、大数据时代的到来，正逐渐成为当今社会智能化的一种发展趋势。另一方面，手语作为聋哑人与外界交流使用的主要方式，如果能够识别聋哑人的手语，并将其转换成语音，可以帮助聋哑人士更好地与正常人进行交流，这将具有非常重要的社会意义。 目前，手势检测及手语识别的方法主要包括：传统图像识别方法，及深度学习神经网络的方法。传统图像处理方法容易受到光照、遮挡等因素的影响，造成识别率不够理想。近年来，随着深度学习在图像识别等领域取得越来越显著的应用效果，利用深度学习的最新研究成果应用在手势识别上具有重要的研究意义。 本文首先对采集的图像进行HSV肤色提取，完成前景、背景的分离，然后基于LeNet-5神经网络模型，对手语检测与识别模型进行训练，通过对经典神经网络模型的改进、优化来达到更高的手语识别率，最后在Pycharm的手语识别代码中，搭建Tcp网络编程协议，调用NAO机器人的声纳系统，对输入的手语动作进行语音反馈输出，以达到人机交互的目的。通过多组实验证明NAO机器人可以完成手语识别及语音播报的任务，在人机交互手语识别方面提供了一种解决的思路。
NETL