手语识别是借助智能设备翻译手语动作的过程,是保障聋哑人参与外界沟通交流的重要方式。随着社会生活智能化水平逐渐提高,对手语识别技术的自然性和便捷性的要求也越来越高,研究高效的手语识别方法自然就显得尤为重要。本文借助新兴的Realsense技术,选择Intel Realsense SR300深度相机,在不必单独分割手部区域的情况下,提取手部关节点丰富的深度信息进行手语识别研究。基于Realsense获取的深度信息,建立了手部信息数据库。在静态手语识别中,除了计算图像的Hu矩特征外,还设计了包含关节点等效距离和手指伸直程度的深度信息几何特征。针对SVM中核函数的选取问题,设计一种加权组合核函数,并根据样本间特征距离来计算加权系数,通过实验验证了改进算法的可行性。最后根据设计的特征向量和改进的SVM分类算法,设计手语识别实验,实现了对10个静态手语的识别,并设计了对比实验,实验结果表明,相比于Hu矩特征,基于深度信息几何特征的静态手语识别率更高,基于改进SVM算法的分类方法比其他常用分类算法具有更高的识别率,识别效果更好。在连续的动态手语识别中,考虑不同动态手语动作之间的显著差异,先根据手部中心点的位移变化将手语分为两大类,再针对两类动态手语动作设计对应的特征向量。计算中心关节点的运动信息,并转化为八个基本方向来表示平移类手语动作的特征。对于非平移类动作,分别设计指尖间的距离、指尖点位移和指间夹角作为不同手语动作的代表特征。先用决策分类树对手语序列粗分类,然后用改进的DTW算法对粗分类后的待测手语序列进行匹配识别。分别基于本文方法和传统的DTW算法设计动态手语识别实验,实验结果表明,本文方法的平均识别率达到95%,比传统的DTW算法识别率高,验证了本文动态手语识别方法的可靠性。