CN110096153A - 一种手语翻译系统、手语翻译手套及手语翻译方法 - Google Patents

Abstract

一种手语翻译系统、手语翻译手套及手语翻译方法，所述手语翻译系统包括：采集模块和数据识别模块；所述采集模块用于采集用户的手部动作信号；所述数据识别模块与所述采集模块连接，所述数据识别模块用于对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组；对所述特征向量组进行识别得到手语结果；本发明实施例中的手语翻译系统可实时根据用户的手部动作信息精确地得到与动作信号相匹配的思想内容，以实现用户双方的信息沟通功能，动作信号的机器学习的准确率极高，提高了用户的手语翻译效率，用户可通过手语进行更加便捷、灵活的沟通，用户的使用体验极佳。

Description

一种手语翻译系统、手语翻译手套及手语翻译方法

技术领域

本发明属于电子技术领域，尤其涉及一种手语翻译系统、手语翻译手套及手语翻译方法。

背景技术

手语，作为一种独特的交流方式，已经地在无法言语的人得到了普遍的使用，通过手势的变化模拟出形象或者音节以构成与人体语言等同的意思或者词语，手语的使用对于促进聋哑人之间的信息沟通具有重要的意义，通过手语能够协助聋哑人重新融入社会，对于社会的和谐发展具有积极的促进作用；比如我国是世界上残疾人数最多的国家，聋哑人约占残疾人总数的33％。生活中手语成为他们的主要交流方式，但在生活中大部分人都不懂手语，通过笔和纸的交流也有着极大的限制，这就导致了聋哑人与正常人存在交流障碍问题；因此实现手语翻译，可以帮助聋哑人克服社交障碍，给他们带来帮助。

然而在实际应用过程中，手语在聋哑人中的普及具有很大的限制，其主要的原因在于：传统技术还无法实时、精确地翻译聋哑人的手语；传统技术中的手语翻译需要采用计算机视觉技术，那么在翻译手语的过程中会受到外界环境和空间的限制；由于人类的语言是具有多样化以及易变性，在使用手语进行表达人类的思想时，人们的手臂在外界环境中移动，传统技术需要通过计算机等设备来捕捉手臂的动作幅度和摆动位置，那么传统技术对于手臂的位置进行检测时，会受到外界光线以及环境背景的限制，传统技术获取到手臂的动作幅度极容易出现误差，则交谈的双方就无法通过手语来传递正确的思想，降低用语沟通的效率；同时在通过计算机视觉技术对手语进行解析的过程中，必须采用摄像头等设备，这将会增大手语翻译的成本，不利于用户的携带，并且摄像头在工作过程中需要传输并处理大量的数据，效率极低。

结合上文所述，传统技术中的手语翻译设备受制于外界环境，对于手语的翻译精度较低，降低手语沟通的效率；并且传统技术对于手语的翻译操作过于复杂，手语翻译的成本极高，给用户的使用带来极大的不便，因此传统技术中的手语翻译设备无法普遍适用。

发明内容

有鉴于此，本发明实施例提供了一种手语翻译系统、手语翻译手套及手语翻译方法，旨在解决传统的技术方案对于手语的翻译误差过大，容易受到外界环境的干扰，稳定性和灵活性较低，对于用户手语的翻译效率过低，应用成本过高的问题。

本发明实施例的第一方面提供了一种手语翻译系统，包括：

用于采集用户的手部动作信号的采集模块；和

与所述采集模块连接，用于对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组，对所述特征向量组进行识别得到手语结果的数据识别模块。

在其中的一个实施例中，所述数据识别模块包括：

与所述采集模块连接，用于对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组的特征提取单元；和

与所述特征提取单元连接，用于将所述特征向量组输入到预先建立的手势模板库中，与预先存储的手势数据进行一一匹配识别以得到所述手语结果的识别单元。

在其中的一个实施例中，所述数据识别模块还包括：

与所述特征提取单元及所述识别单元连接，用于构建训练集，并利用所述训练集对所述特征向量组进行训练，以得到所述手势模板库的训练单元。

在其中的一个实施例中，所述采集模块包括：

与所述数据识别模块连接，用于采集用户手部的运动角速度和运动加速度的六轴传感器；和

与所述数据识别模块连接，用于采集用户手指的弯曲角度的弯曲传感器。

在其中的一个实施例中，所述手语翻译系统还包括：

连接在所述六轴传感器和所述数据识别模块之间，用于对所述运动角速度和所述运动加速度进行卡尔曼滤波处理的滤波模块。

在其中的一个实施例中，所述弯曲传感器包括：

用于接收到用户手指的应力发生变形，以使电阻值发生变化的压力传感器；和

用于得到与所述压力传感器的电阻值的变化响应的电压值，并根据所述电压值获取所述用户手指的弯曲角度的A/D转换器。

在其中的一个实施例中，所述手语翻译系统还包括：

连接在所述数据识别模块与服务器终端之间，用于将归一化处理后的所述动作信号无线发送至所述服务器终端，以使所述服务器终端显示归一化处理后的所述动作信号的无线发送模块。

在其中的一个实施例中，所述手语翻译系统还包括：

与所述数据识别模块连接，用于在所述数据识别模块得到所述手语结果以后，将所述归一化处理后的动作信号和所述手语结果记录到手语数据库的记录模块。

本发明实施例的第二方面提供了一种手语翻译手套，包括如上所述的手语翻译系统。

本发明实施例的第三方面提供了一种手语翻译方法，包括：

采集用户的手部动作信号；

对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组；

对所述特征向量组进行识别得到手语结果。

上述的手语翻译系统通过采集模块能够实时采集用户的手部动作信号，当用户使用手语表达思想时，根据该动作信号解析出与所述手部运行信息相匹配的文字含义，经过对标准化的动作信号进行识别后，可根据用户手部的历史动作信息总结出用户的实质思想；当其他用户在获取到手语结果时，沟通的双方完成了信息的交互过程，通过手语替代了语言，实现了双方思想沟通；因此本发明实施例通过对于用户手部动作信息的智能分析、归纳后，可精确地识别出用户的手语结果，所述手语翻译系统利用对于手部的动作信号进行自我学习和自我训练后才得到相应的手语结果，进而排除了外界环境信息对手语识别过程造成的干扰，所述手语翻译系统可在各种外界环境中都能够实现对于用户的精确识别；所述手语翻译系统具有较为简化的结构，对于手部的动作信号的智能处理速度极高，手语的翻译效率高，功能强大，进而简化了手语翻译系统的体积；本发明实施例中的手语翻译系统具有更高的兼容性，给用户带来良好的使用体验；避免了传统技术中的手语翻译系统对于手语的翻译精度较低，电路应用的成本过高，翻译的效率过低，难以普遍适用的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的手语翻译系统的结构示意图；

图2为本发明一实施例提供的数据识别模块的结构示意图；

图3为本发明一实施例提供的数据识别模块的另一种结构示意图；

图4为本发明一实施例提供的手语翻译系统的电路结构图；

图5为本发明一实施例提供的手语翻译系统的另一种结构示意图；

图6为本发明一实施例提供的手语翻译系统的另一种结构示意图；

图7为本发明一实施例提供的手语翻译手套的结构示意图；

图8为本发明一实施例提供的手语翻译方法的具体流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，本发明实施例提供的手语翻译系统10的结构示意图，通过手语翻译系统10能够实时解析用户的手部动作代表的实质含义，误差小，给沟通的双方带来了极大的便利；为了便于说明，仅示出了与本实施例相关的部分，详述如下：

如图1所示，手语翻译系统10包括：采集模块101和数据识别模块102。

其中，采集模块101用于采集用户的手部动作信号。

需要说明的是，所述手部泛指人体的手臂以及手臂上的穿戴物等；人体需要通过手部来完成生活中的大部分功能，尤其对于聋哑人而言，手部是完成日常沟通的主要部位；在本实施例中，用户通过挥舞自身的手臂，按照手语的约定的规则以完成相应的动作，向外界传达出自己的思想；因此所述手部动作信号包含用户的思想信息，通过对于该动作信号的进一步解析能够得到用户所需要表达的实际思想；所述采集模块101对于手部的空间信息和运动轨迹进行精确采集，有助于保障了用户手语沟通的效率和沟通的精度，根据手部的动作信号能够反应出用户的实质思想，手语翻译系统10对于手语的翻译具有更高的灵活性。

数据识别模块102与所述采集模块101连接，所述数据识别模块102用于对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组；对所述特征向量组进行识别得到手语结果。

作为一种可选的实施方式，所述预设范围为提前设定；示例性的，所述预设范围为0～1，则数据识别模块102对所述动作信号进行归一化处理后，使所述动作信号映射至0～1的范围。

在本实施例中，采集模块101将动作信号输出至数据识别模块102，以实现采集模块101与数据识别模块102之间的信息交互；由于用户的手臂在进行手语表达过程中，用户的手部动作会存在一定的移动误差，那么动作信号也会出现一定的波动和干扰；示例性的，若用户需要使用手语表达同一个语言含义时，用户每次使用手部摆动的幅度就会存在细微的差异，那么在同一个语言含义下会存在多种不同的动作信号；与此同时，本实施例中的动作信号具有多种多样，不同类型的数据之间无法进行比较、类比；因此通过数据识别模块102对于动作信号的归一化处理，一方面能够减少用户每次使用手语时出现的细小波动所引起的动作信号误差；另一方面，归一化处理能够消除不同类型数据量纲之间的差异，通过手部的动作信号能够更加全面地分析出用户的思想，以使归一化处理后的动作信号具有更高的标准化，提高了对于用户的手部动作信息的智能化检测精度，有利于手语翻译系统10对于手部的动作信号的综合评价精度。

具体的，对于数据的归一化处理方法具有多种多样，优选的，本实施例中对于动作信号的归一化处理方法采用以下标准化公式：

在上式(1)中，其中所述x为采集模块101输出的动作信号的幅值，μ为采集模块101输出的动作信号幅值的平均值，σ为采集模块101输出的动作信号幅值的标准差，x^*为归一化处理后的动作信号的幅值；本实施例根据上式(1)对于动作信号进行标准化处理后，本实施例中的手语翻译系统10对于归一化处理后的动作信号能够更加精确地反应出用户的思想语言，减少了外界环境的变化对于用户的手语识别过程中所造成的干扰，保障了动作信号的精确性和可信度。

当其他的用户获取到该手语结果时，则用户双方实现了信息交互以及信息沟通，通过该手语结果能够准确地得到用户实际的思想内容，以完成用户与他人的信息实时沟通，操作简便。

在本实施例中，所述数据识别模块102具有数据分析和处理能力，通过该数据识别模块102能够精确地得到动作信号包含的思想内容；当数据识别模块102获取到归一化处理后的动作信号后，所述数据识别模块102能够对动作信号进行自学习、自启发处理以得到特征向量组，该特征向量组包含动作信号的特征信息，根据该特征向量组能够得出用户的手部动作状态，实现对于动作信号的深度分析功能；进一步地，通过对于特征向量组进行学习、训练等操作，采用机器学习对特征向量组进行处理后，根据特征向量组中的数据分布规律将动作信号进行分类识别；当通过手语翻译系统10采集得到手部的动作信号时，数据识别模块102对该特征向量组中的特征信息进行深度挖掘与判定后，能够实时地获取与所述动作信号相匹配的手语结果，以精确地识别出用户的手语信息；因此本实施例中手语翻译系统10具有较高的手语翻译精度以及手语翻译效率，通过对于手部的动作信号的变化规律中识别出相应的手语结果，本实施例中的手语翻译系统10对于用户的手语具有更高的智能化识别水平，外界环境的变化量对于本实施例中数据识别模块102的手语信息识别过程无法造成干扰，通过数据识别模块102获取得到的手语信息具有更高的真实性，以使所述手语翻译系统10能够适用于不同的工业环境，兼容性极强。

在图1示出的手语翻译系统10中，通过采集模块101能够实时获取用户手部的动作信息，其中所述动作信息包含用户需要表达的语言内容；通过对于该动作信号进行标准化处理后提取特征向量组，有利于对于该标准化后的数据进行综合处理和识别，以得到更加精确的手语结果，操作简便，对于用户的手语识别的效率和精确率都比较高；因此本实施例中的手语翻译系统10只需要通过两个模块(采集模块101和数据识别模块102)来对用户的手语信息进行处理，结构简单，灵活性较高，有效地降低了对于用户手语的检测、识别成本；同时本发明实施例可根据特征向量组进行自学习、自启发操作，按照用户手语信息以及用户的表达习惯精确地得到手语结果，防止外界环境干扰量对于手语识别过程造成干扰；本实施例检测得到的手语结果具有较高的稳定性和可靠性，提高了用户的手语沟通效率，用户具有更高的使用体验，所述手语翻译系统10具有较高的兼容性，能够适用于各种外界环境中，给用户的使用带来更大的便利；有效地解决了传统技术对于手语的翻译误差较大，对于手语翻译的过程容易受到外界环境变化量的干扰，对于手语翻译的成本较高的问题。

作为一种可选的实施方式，图2示出了本实施例提供的数据识别模块102的具体结构，请参阅图2，所述数据识别模块102包括：特征提取单元1021和识别单元1022。

其中，特征提取单元1021与所述采集模块101连接，所述特征提取单元1021用于对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组。

具体的，所述动作信号包含用户的手部动作数据；所述特征向量组包括特征向量的集合，通过对于归一化处理后的动作信号的特征信息进行归纳、分类后，能够得到不同区间的特征向量，这些特征向量能够代表某一类别的数据信息；示例性的，本实施例可根据手语信息中各项因素的影响权重来人工选择出最佳的特征向量，通过该特征向量能够精确地包含用户的手语信息；本实施例通过提取特征向量组能够完全滤除动作信号中的无用信息，根据手语的动作规律得到特征向量组中的特征向量，该特征向量为有效的数据信息，通过对于该特征向量进行处理分析能够更加有效地、精确地得到相应的手语结果，节省了对于动作信号的处理、分析时间；通过该特征向量中的动作信息能够加快对于用户手语识别的效率，保障手语动作识别的精度。

识别单元1022与所述特征提取单元1021连接，所述识别单元1022用于将所述特征向量组输入到预先建立的手势模板库中，与预先存储的手势数据进行一一匹配识别以得到所述手语结果。

具体的，其中通过所述手势模板库设定手势动作与用户的思想内容之间的匹配规则，根据该对照关系能够快速、准确地得到手部动作的识别结果；当将特征向量组中的特征向量传输至所述手势模板库时，所述特征向量与所述手势模板库中的手势数据进行一一匹配识别，若所述特征向量与所述手势模板库中的手势数据匹配成功，则将与所述特征向量匹配的手势数据作为所述手语结果；其中该手势数据为用户实质上需要表达的思想内容，根据该手语结果能够向外界传递出相应的思想内容，以实现沟通双方的信息实时交互。

本实施例中的识别单元1022能够实现数据分类匹配的功能，其中所述手势模板库包含用户的手部动作经验信息，通过特征提取单元1021输出特征向量组，其中所述特征向量组中的特征向量代表用户的手部动作信息，将所述特征向量组在手势模板库中预先存储的手势数据进行一一匹配，若特征向量组与手势数据匹配成功，则说明对于用户的手语识别成功；相反，若特征向量组与手势数据并未匹配成功，则继续将特征向量组与其它的手势数据进行匹配操作，直至通过手势模板库能够识别该特征向量组；因此本实施例通过识别单元1022能够对用户的手部动作信息进行精确的实时识别，所述手语结果具有更高的精确度和可行度；由于通过手势模板库已经建立了用户的手部动作与用户的语言内容之间的一一对照关系，因此所述识别单元1022可根据手势模板库对用户的手部动作进行智能识别，根据动作信号的经验值得到用户的思想内容，提高了用户的手语的识别速率和精确性，避免了外界环境信息对于用户的手语识别过程所造成的干扰；本实施例利用识别单元1022对于用户手语识别具有更高的稳定性和可靠性，所述手语翻译系统10具有更高的兼容性。

作为一种具体的实施方式，图3示出了本实施例提供的数据识别模块102的另一种具体结构，相比于图2中的数据识别模块102的结构，图3中的数据识别模块102还包括训练单元1023，训练单元1023根据特征向量组建立手势模板库。

具体的，参照图3，训练单元1023连接在所述特征提取单元1021与所述识别单元1022之间；所述训练单元1023用于构建训练集，并利用所述训练集对所述特征向量组样本进行训练，以得到所述手势模板库。

在本实施例中，当特征提取单元1021将特征向量组输出至训练单元1023时，通过训练单元1023能够解析出特征向量组中各个特征向量包含的特征信息；具体的，可根据在不同语义条件下的动作信号之间的差异设定训练集，该训练集能够模拟一个虚拟的数据函数模型，在该数学函数模型中，当数据输入至该数学函数模型，所述数学函数模型根据数据之间的联系以及数据的变化规律进行机器学习，以得到每种类型数据的集合；因此在训练单元1023中，将特征向量组作为训练样本，通过训练集对特征向量的变化特性进行训练分类；以训练样本为中心点，建立每一类手部动作信息集合，以形成手势模板库；在每一类手部动作信息集合中，存在多个手语的动作信息，并且每一类手语动作信息代表着特定的手语思想含义；所述手势模板库包含：与每一类手语动作信息相匹配的思想内容；其中手势模板库存在相应的手势数据，根据手势数据能够判断出每一类手部动作代表的用户信息；所述手势模板库为标准的手语翻译集成器；因此在本实施例中，训练单元1023可实时接入特征向量，并利用训练集对特征向量进行机器学习，以提取出用户的动作信息，实现对于手部动作中经验信息的读取，手势模板库中的手势数据能够完全符合用户的手语动作表达习惯，所述手势数据库能够更加全面地表达用户的手部动作信息；所述训练集对特征向量组样本进行深度挖掘以及自启发式学习，能够精确地对手部动作的特征属性进行分类，使所述手语翻译系统10对于用户的手部动作识别过程更加精确化，手语翻译系统10能够针对每一个用户的具体手语表达习惯执行手语翻译，给用户带来了良好的使用体验。

因此本实施例中数据识别模块102利用训练单元1023对手部的动作信号进行自启发式学习，根据该预先建立的手势模板库能够完全符合用户的手语表达习惯，根据该手势模板库能够更加全面地得出语言表达信息，以实现对于手部动作信息的机器学习功能，所述数据识别模块102具有更高的兼容性；排除了外界环境因素对于手部动作识别过程所造成的干扰；本实施例通过手势模板库中的手势数据能够准确地判别：用户的手语动作代表的思想内容，提高了对于用户手语的翻译精度和准确性。

作为一种可选的实施方式，所述手部的动作信号包括：运动角速度、运动加速度以及手指的弯曲角度；因此通过采集手部的动作信号能够全面地反应出用户的手部在空间的运动信息，其中手语的实质文字含义与手部的动作幅度存在一一对应关系；当检测得到手部的运动参数越多时，则根据该动作参数能够更加全面地分析出用户的手部动作信息，有利于降低对于用户手语的检测误差；本实施例中的手语翻译系统10对于用户的手语具有更高的识别精度。

作为一种可选的实施方式，图4示出了本实施例提供的手语翻译系统10的电路结构；所述采集模块101包括六轴传感器和至少一个弯曲传感器。

其中，六轴传感器与所述数据识别模块102连接，所述六轴传感器用于采集用户手部的运动角速度和运动加速度。

其中，通过运动角速度能够得到用户手部的移动的方向和旋转的速度，当用户使用手部的肢体动作来表达手语时，通过运动角速度能够判断用户手部运动的趋势；所述运动加速度能够得到用户手部的移动幅度以及手部在空间挥舞的幅值；本实施例通过六轴传感器能够准确地得到用户的手部在空间的运动轨迹，结合运动角速度和运动加速度能够全面地监测用户的手部动作变化量，所述手语翻译系统10能够对用户的手部的动作具有更高的监测效率和监测精度，避免出现数据检测误差。

参照图4，本实施例中的六轴传感器可采用MPU6050传感器芯片来实现，MPU6050传感器芯片的通讯管脚I/O接数据识别模块102，以实现MPU6050传感器芯片与数据识别模块102之间的数据传递；通过该MPU6050传感器芯片采集用户的手部动作信息，并进行相应的信号处理；由于所述MPU6050传感器芯片具有空间运动探测性能，对于微小的运动量改变都能够实现精确的检测功能，灵敏性极高，因此本实施例利用MPU6050传感器芯片能够对手部在空间的位置以及手部的运动状态进行实时检测，保障了所述手语翻译系统10对于手部的动作信号的检测响应速度和检测精度；MPU6050传感器芯片的功能齐全，对于数据的检测灵敏性较高，有效地降低了所述手语翻译系统10对于手部动作的识别成本。

所述弯曲传感器与所述数据识别模块102连接，所述弯曲传感器用于采集用户手指的弯曲角度。

用户需要通过手指的弯曲动作向外传输手语信息，当用户需要表达不同的手语内容时，则用户的手指的弯曲角度也不相同，通过监测用户的手指的弯曲角度能够准确地判断出手部的摆动幅值和弯曲的幅度，并且手指的运动信息也包含用户的手语变化信息；可选的，所述弯曲传感器贴设在手指的关节，当手指的弯曲角度不相同时，所述弯曲传感器能够感应到手指弯曲的程度，弯曲传感器能够将手指弯曲的程度转换为相应的数据，以识别出用户的语言内容；因此本实施例利用弯曲传感器能够准确地探测手指的微小运动变化情况，并根据所述手指的弯曲角度解析出用户的实质语言信息，以实现对于用户的手部动作的全面监控功能，避免对于用户手语的识别误差；同时本实施例中的弯曲传感器的数量可根据手语动作的测量精确要求进行具体设定，提高了所述手语翻译系统10的兼容性及其使用体验；示例性的，参照图4，采集模块101包括5个弯曲传感器Flex1～Flex5，当通过手语翻译系统10对于手指的弯曲动作进行检测时，每一个弯曲传感器分别贴设在每一个手指，每一个弯曲传感器可分别检测每一个手指的弯曲角度，并且将所述弯曲角度输出至数据识别模块102；那么采集模块101能够同步检测5个手指的弯曲角度，对于每一个手指的运动信息具有更高的检测精度；从而本实施例通过手指的弯曲角度可更加准确地得到用户的手语信息。

作为一种具体的实施方式，所述弯曲传感器包括压力传感器和A/D转换器。

其中，所述压力传感器用于接收到用户手指的应力发生变形，以使电阻值发生变化。

当用户的使用手语进行沟通时，在用户的手指运动过程中，手指对于外界物体的应力将会发生改变，压力传感器利用压电效应将动作信号转换为电阻信号，当压力传感器受到外界的压力时，将会产生机械形变，即极化效应，那么压力传感器所呈现的电力参数就会不相同，通过检测电力参数的幅值即可得到外界的压力幅值；因此本实施例中压力传感器的电阻值可根据应力的变化而发生改变，当用户手指的弯曲角度不相同，那么压力传感器的电阻值就会不相同，因此通过压力传感器实现了电信号的转换，更有利于本实施例对于手指运动状态的检测过程。

示例性的，当压力传感器接收到用户手指的应力越大，则压力传感器的形变幅度更大，压力传感器的电阻值更大；因此本实施例通过压力传感器能够精确地检测用户手指的细微变化状态。

A/D转换器用于得到与所述压力传感器的电阻值的变化响应的电压值，并根据所述电压值获取所述用户手指的弯曲角度。

所述A/D转换器具有模数转换的功能，如上所述，当电源电能传输至压力传感器时，根据欧姆定理，压力传感器的两端电压会随着自身电阻值的变化二发生变化，那么压力传感器的电压值响应于压力传感器的电阻值，压力传感器的电阻值与压力传感器的电压值存在一一对应的关系；相比于电阻值检测，电压值检测具有更高的简便性和更低的检测成本；本实施例通过A/D转换能够实时采集压力传感器的变化的电压值，以得到压力传感器自身的形变幅值，通过对于该电压值的进一步分析处理后，得到与该电压值对应的手指的弯曲角度，所述弯曲角度具有更高的识别精度；通过A/D转换器能够实现信号的快速转换，提高了对于用户手指运动信息的检测效率和检测精确性；当A/D转换器得到手指的弯曲角度时，A/D转换器将弯曲角度传输至数据识别模块102，以使数据识别模块102能够实时地对相关的动作信号进行标准化处理以及机器学习。

作为一种可选的实施方式，所述六轴传感器包括：三轴陀螺仪、三轴加速度计以及数字运动处理引擎。

需要说明的是，请参阅图4，三轴陀螺仪、三轴加速度计以及数字运动处理引擎这三者的电路功能均可通过MPU6050传感器芯片来实现。

其中，三轴陀螺仪能够测定用户的手部在6个方向的位置、移动轨迹、加速度等信息，那么通过三轴陀螺仪能够全面地检测用户的手部在三维空间各个方向上的运行变化量，对于手部的空间位置具有更高的检测精度和检测效率；三轴加速度计能够测量用户的手部在挥动过程中在各个维度的速度变化量，所述三轴加速度计能够全面准确地探测手部的运行变化趋势，例如加速运动或者减速运动，因此本实施例通过三轴加速度计能够精确地检测出用户的手部的运动趋势，实现对于手语动作的深层次挖掘；数字运动处理引擎用于对所述手部的运动角速度和运动加速度进行存储以及识别，用户在使用手语的过程中将会产生大量的运动角速度和运动加速度这两者数据，通过数字运动处理引擎能够及时更新六轴传感器中的数据，以使所述数字运动处理引擎能够保留当前最新的速度值，示例性的，所述数字运动处理引擎包括寄存器，通过访问寄存器能够读取运动角速度和运动加速度；以实现采集模块101与数据识别模块102之间的数据传输；因此通过数字运动处理引擎能够极大地保障运动角速度和运动加速度的数据安全，避免出现数据丢失现象，根据运动角速度和运动加速度能够更加精确地判断用户手部的运动变化情况。

从而本实施例中的六轴传感器具有较为简化的空间结构，通过三轴陀螺仪、三轴加速度计以及数字运动处理引擎能够从各个方面来获取用户的手部在空间的位置数据，并根据该位置数据更加全面地分析出手部的运动角速度和运动加速度，所述六轴传感器具有更为简化的空间结构，同时也降低了六轴传感器在手语翻译系统10中的应用体积，本实施例中的采集模块101对于用户手部的运动状态具有更高的检测灵敏度，数据识别模块102能够得到更加真实的运动角速度和运动加速度，所述手语翻译系统10具有更高的兼容性和普适性。

作为一种可选的实施方式，图5示出了本实施例提供的手语翻译系统10的另一种结构示意，请参阅图5，其中图5中的六轴传感器1011和弯曲传感器1012在上述各个实施例已经有详细论述，此处将不再赘述；其中图5中的手语翻译系统10还包括滤波模块401。

其中，滤波模块401连接在所述六轴传感器1011和所述数据识别模块102之间，所述滤波模块401用于对所述运动角速度和所述运动加速度进行卡尔曼滤波处理。

需要说明的是，所述卡尔曼滤波能够实现最优估计功能，卡尔曼滤波能够根据数据的整体变化规律滤除一些明显不符合平均值的异常数据，通过剔除这些异常数据能够使整体的动作信号变化更加平稳，并且通过这些平稳的动作信号可保留数据中的原始信息，通过卡尔曼滤波能够实现数据的最佳位置估计，并且卡尔曼滤波能够提高对于数据转换处理的精度；因此所述卡尔曼滤波已经在传统技术中的数据处理领域中得到了极为广泛的应用。

具体的，由于通过六轴传感器1011对于用户的手部的运行状态进行检测的过程中，六轴传感器1011具有固有的数据检测特性，并且用户在使用手语进行沟通时，用户的手部无意识抖动也会造成较大的随机误差，那么用户的手部在空间位置存在一定的误差波动，用户的语义表达具有唯一性，而用户的手部在空间的运动状态对于运动角速度和运动加速度具有较高的影响程度；若数据识别模块102接收到错误的运动角速度和运动加速度，那么所述手语翻译系统10对于用户的手语动作识别将会存在较大的误差；本实施例通过滤波模块401能够克服用户手部的微小扰动所引起的数据误差，通过对于运动角速度和运动加速度进行卡尔曼滤波后，可去除数据中的噪声，所述滤波模块401输出的运动角速度和运动加速度具有更高的稳定性和可靠性，该运动角速度和运动加速度能够真实地代表用户的内心思想，所述数据识别模块102接收到的数据具有更高的平稳性；从而本实施例中手语翻译系统10能够获取到更加精确的角速度值和加速度值，对于用户的手部运动状态实现更加精确的监控。

作为一种可选的实施方式，所述滤波模块401可采用传统技术中的卡尔曼滤波电路来实现，示例性的，技术人员可设定卡尔曼滤波电路的参数，以使实现滤波模块401对于运动角速度和运动加速度的不同数据滤波处理功能，本实施例中的手语翻译系统10具有更高的数据采集灵敏性和数据处理精确性，用户的使用体验更佳，所述手语翻译系统10具有更高的适用范围。

作为一种可选的实施方式，请参阅图4，本实施例中的数据识别模块102可采用主控芯片实现，所述主控芯片的型号为：STM32F103，其中主控芯片的通讯管脚接采集模块101，当采集模块101将动作信号输出至主控芯片，主控芯片根据自身存储的操作信号实现数据的智能处理以及数据的学习、训练等操作，所述主控芯片可对于动作信号的特征信息进行自主学习和探索，寻找出用户动作的习惯性语言表达形式，进而主控芯片可根据用户的操作信息对手语动作进行自主学习，以完成手语的识别功能，所述手语翻译系统10具有更加灵活的可操控性能，适用范围更广；因此本实施例中的手语翻译系统10可通过主控芯片对手语进行判断识别、其电路的制造成本低廉，电路结构简单，兼容性极强，极大地降低了对于手语的翻译成本。

作为一种可选的实施方式，图6示出了本实施例提供的手语翻译系统10的另一种结构示意，相比于图1中手语翻译系统10的结构，图6中的手语翻译系统10还包括：无线发送模块501和记录模块502。

其中，无线发送模块501连接在所述数据识别模块102与服务器终端20之间，用于将归一化处理后的所述动作信号无线发送至所述服务器终端20，以使所述服务器终端20显示归一化处理后的所述动作信号。

在本实施例中，数据识别模块102将标准化的动作信号输出至无线发送模块501，其中所述无线发送模块501具有无线数据传输的功能，动作信号在无线发送数据模块501能够保留较高的数据完整性，那么通过无线发送模块501输出的动作信号能够完整地得到用户的手语动作信息；其中无线发送模块501与服务器终端20无线通信，所述服务器终端20具有数据存储和数据显示功能，通过服务器终端的显示画面能够实时显示动作信号，用户可在服务器终端20中更加直观地获取用户的手部动作信息，并且根据该动作信号实时判断用户的动作信息是否处于安全的状态；因此本实施例通过服务器终端20能够实时显示用户的手语识别状态，提高了所述手语翻译系统10的人机交互性能；所述手语翻译系统10可与外界的服务器终端20实现无线通信交互，提高了所述手语翻译系统10的兼容性能和灵活性能，手语翻译系统10能够在各个不同的工业技术领域中实现对于手语的精确识别，给用户的使用带来了极大的便利。

需要说明的是，所述服务器终端20可以为手机或平板电脑等各类设备，本文不做限定；可选的，所述无线发送模块501包括无线通信芯片，所述无线通信芯片的型号为：NRF24L01，其中所述无线通信芯片具有较低的制造成本和应用成本，兼容性较强，极大地降低了动作信号的传输成本；本实施例中的手语翻译系统10具有更加强大的功能，通信的兼容性更高，用户的使用体验更佳。

记录模块502与所述数据识别模块102连接，所述记录模块502用于在所述数据识别模块102得到所述手语结果以后，将所述归一化处理后的动作信号和所述手语结果记录到手语数据库。

当所述数据识别模块102对于动作信号进行机器学习识别结束后，沟通的双方通过手语结果实现了信息交互，此时归一化处理后的数据与手语结果为一一对应的关系，用户的手语已经被识别成功；则记录模块502将及时记录动作信号和手语结果，记录模块502将及时保存这些识别结果，其中所述动作信号和手语结果作为历史信息，被记录到手语数据库；手语数据库包含大量的手语动作信号以及与动作信号匹配的手语识别结果，所述手语数据库中的数据可作为下一次手语识别的经验指导值，通过对于数据历史信息的机器学习，能够得到每一个用户在使用手语时的动作表达习惯；当手语翻译系统10对于用户的手语进行下一次判断、识别过程中，可根据这些动作表达习惯解析当前的动作信号，对于动作信号的训练结果具有更高的合理性和智能性，那么对于用户手语的识别结果能够更加精确地反应出用户的实质语言思想，减少了手语结果的数据误差；因此本实施例利用记录模块502收集用户手语识别结果的历史动作信息，以使手语翻译系统10能够逐渐完全适应用户的手部动作，通过历史动作信息能够指导以后的手语识别过程，加强了本实施例中手语翻译系统10的自主学习和深度搜索性能，以使手语翻译系统10对于用户的手语的动态识别结果具有更高的精确率和准确度，提高了手语翻译系统10对于数据处理的灵活性和稳定性。

示例性的，记录模块502可采用传统技术中的电路结构来实现，例如，所述记录模块502为ROM(Read Only Memory，只读存储器)或者RAM(Random Access Memory，随机存取存储器)；通过该记录模块502能够实时存储大容量的数据，以保障了手语翻译系统10对于动作信号的机器学习性能和自主学习能力，通过实时读取记录模块502中的历史数据能够保障用户手语识别稳定过程，通过历史数据能够为下一次的手语识别过程提供指导信息，以使所述手语翻译系统10具有更高的稳定性和兼容性，给用户带来了更高的使用体验。

图7示出了本发明实施例提供的手语翻译手套60的结构示意，请参阅图7，手语翻译手套60包括如上所述的手语翻译系统10。

参照图1至图6的实施例，在用户的手部佩戴该手语翻译手套60时，通过手语翻译系统10能够实时采集用户手部的动作信号，并对该手部的动作信号进行处理后，转换为标准的数据格式，通过对用户的动作信号进行机器学习和深度搜索，得到用户手部动作变化的统一规律，基于该统一规律对用户的动作信号进行信息匹配，以识别出与手部动作完全匹配的思想内容，实现了对于用户的手语的实时、精确检测识别；当所述手语翻译系统10应用于该手语翻译手套60，手语翻译手套60能够对于用户的手语动作进行自主识别与翻译，利用历史经验信息来传输用户的思想内容，避免了外界的环境干扰引起动作信号检测误差，用户的手语识别精确不高的问题；本实施例中的手语翻译手套60具有较为简化的模块结构，对于用户手语的识别效率以及精度都较高，可适用于各种外界环境中，兼容性和稳定性都较强，用户使用简便；当用户将该手语翻译手套60佩戴在手部时，手语翻译手套60可根据用户的手语动作向外精确地传输语言信息，给双方的沟通带来了极大地便利，并且也降低了双方手语沟通的成本；从而有效地解决了传统技术方案中手语翻译手套对于手语翻译存在较大的误差，难以普遍适用，可靠性和稳定性较低，应用成本较高，用户使用体验不佳的问题。

图8示出了本实施例提供的手语翻译方法的具体流程，如图8所示，所述手语翻译方法如下步骤：

S701：采集用户的手部动作信号。

通过用户的手部动作信号能够实时的监控用户的手语动作信息，其中该动作信号包含用户的本质语言思想，通过对于该动作信号的解析以及处理能够得出用户通过手部动作实质想表达的内容。

S702：对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组。

通过对于动作信号进行归一化处理后，不同的动作信号之间可进行对比分析，可避免多种类型数据之间的量纲差异；并且消除用户的动作细微误差所引起的数据识别差异；在同一类别的语义下，设定某一类型的动作来表达特定的含义，保障了对用户手部动作的识别精确性和准确率，用户使用手语表达将会更加便利；其中所述特征向量组包含动作信号的特征信息，通过该特征信息可得到用户的经验历史数据，根据该特征向量组可直接分析用户的手部动作变化规律，提高对于手语的翻译精度。

S703：对所述特征向量组进行识别得到手语结果。

经过标准化处理后的动作信号包含用户的语言信息，根据用户的表达习惯以及动作幅度，总结出动作信号的变化特征以及用户的手部动作与思想信息之间的一一对应关系，对特征向量进行机器学习和深度探索，将动作信号与预先建立的模板手势数据进行一一匹配，可精确、快速地得到手语结果，提高了对于用户手部的识别速率。

需要说明的是图8中的手语翻译方法与图1中手语翻译系统10为一一对应，因此关于本实施例中手语翻译方法的具体实施方式可参照图1的实施例，此处将不再赘述。

在图8中示出的手语翻译方法中，根据手部的动作信号可得到用户的动作信息，利用机器学习方法对动作信号进行自主学习和自主探索，根据用户的手部动作变化特征信息对动作信号进行训练，以得到用户的手部动作与用户的语言信息之间的合理匹配规则，按照该匹配规则对特征向量组中的特征向量进行信息匹配，若匹配成功，则输出相应的手语结果，沟通的双方能够实现信息交流；因此本实施例中的手语识别方法操作简单，便捷灵活，实现了对于用户手语的实时、动态翻译；并且本实施例中的手语翻译方法利用用户手部动作的经验值对动作信号进行自主学习，根据用户的手部运动规律判别动作信号包含的语言信息，智能化程度高，完全排除了外界环境的变化对手语识别所造成的干扰；本实施例中的手语翻译方法可为不同的用户提供精确的手语翻译，应用成本低廉，实用价值极高；有效地解决了传统技术中手语翻译方法容易受到外界环境变化的干扰，手语识别精确低，应用成本较高，对于用户的手语数据处理效率较低，翻译速度不高，给用户的使用带来极大地不便，难以普遍适用的问题。

综上所述，本发明中的手语翻译系统能够排除外界环境因素的干扰，利用机器学习对手语动作进行机器学习，以识别出与动作信号匹配的用户语言信息，操作简便，对于用户的手语识别准确率极高，极大地降低了对于用户手语识别的成本，功能强大，使用户的手语沟通更加便捷可靠，所述手语翻译系统兼容适用在各个不同的用户中；本发明中的手语翻译系统对于手语在社会大众中的普及，尤其是手语在聋哑人中的普及将起到极为重大的促进效果，将带来极大的实际应用价值。

在本文对各种器件、电路、装置、系统和/或方法描述了各种实施方式。阐述了很多特定的细节以提供对如在说明书中描述的和在附图中示出的实施方式的总结构、功能、制造和使用的彻底理解。然而本领域中的技术人员将理解，实施方式可在没有这样的特定细节的情况下被实施。在其它实例中，详细描述了公知的操作、部件和元件，以免使在说明书中的实施方式难以理解。本领域中的技术人员将理解，在本文和所示的实施方式是非限制性例子，且因此可认识到，在本文公开的特定的结构和功能细节可以是代表性的且并不一定限制实施方式的范围。

在整个说明书中对“各种实施方式”、“在实施方式中”、“一个实施方式”或“实施方式”等的引用意为关于实施方式所述的特定特征、结构或特性被包括在至少一个实施方式中。因此，短语“在各种实施方式中”、“在一些实施方式中”、“在一个实施方式中”或“在实施方式中”等在整个说明书中的适当地方的出现并不一定都指同一实施方式。此外，特定特征、结构或特性可以在一个或多个实施方式中以任何适当的方式组合。因此，关于一个实施方式示出或描述的特定特征、结构或特性可全部或部分地与一个或多个其它实施方式的特征、结构或特性进行组合，而没有假定这样的组合不是不合逻辑的或无功能的限制。任何方向参考(例如，加上、减去、上部、下部、向上、向下、左边、右边、向左、向右、顶部、底部、在…之上、在…之下、垂直、水平、顺时针和逆时针)用于识别目的以帮助读者理解本公开内容，且并不产生限制，特别是关于实施方式的位置、定向或使用。

虽然上面以某个详细程度描述了某些实施方式，但是本领域中的技术人员可对所公开的实施方式做出很多变更而不偏离本公开的范围。连接参考(例如，附接、耦合、连接等)应被广泛地解释，并可包括在元件的连接之间的中间构件和在元件之间的相对运动。因此，连接参考并不一定暗示两个元件直接连接/耦合且彼此处于固定关系中。“例如”在整个说明书中的使用应被广泛地解释并用于提供本公开的实施方式的非限制性例子，且本公开不限于这样的例子。意图是包含在上述描述中或在附图中示出的所有事务应被解释为仅仅是例证性的而不是限制性的。可做出在细节或结构上的变化而不偏离本公开。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种手语翻译系统，其特征在于，包括：

用于采集用户的手部动作信号的采集模块；和

与所述采集模块连接，用于对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组，对所述特征向量组进行识别得到手语结果的数据识别模块。

2.根据权利要求1所述的手语翻译系统，其特征在于，所述数据识别模块包括：

与所述采集模块连接，用于对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组的特征提取单元；和

与所述特征提取单元连接，用于将所述特征向量组输入到预先建立的手势模板库中，与预先存储的手势数据进行一一匹配识别以得到所述手语结果的识别单元。

3.根据权利要求2所述的手语翻译系统，其特征在于，所述数据识别模块还包括：

与所述特征提取单元及所述识别单元连接，用于构建训练集，并利用所述训练集对所述特征向量组进行训练，以得到所述手势模板库的训练单元。

4.根据权利要求1所述的手语翻译系统，其特征在于，所述采集模块包括：

与所述数据识别模块连接，用于采集用户手部的运动角速度和运动加速度的六轴传感器；和

与所述数据识别模块连接，用于采集用户手指的弯曲角度的弯曲传感器。

5.根据权利要求4所述的手语翻译系统，其特征在于，所述手语翻译系统还包括：

连接在所述六轴传感器和所述数据识别模块之间，用于对所述运动角速度和所述运动加速度进行卡尔曼滤波处理的滤波模块。

6.根据权利要求4所述的手语翻译系统，其特征在于，所述弯曲传感器包括：

用于接收到用户手指的应力发生变形，以使电阻值发生变化的压力传感器；和

用于得到与所述压力传感器的电阻值的变化响应的电压值，并根据所述电压值获取所述用户手指的弯曲角度的A/D转换器。

7.根据权利要求1所述的手语翻译系统，其特征在于，所述手语翻译系统还包括：

连接在所述数据识别模块与服务器终端之间，用于将归一化处理后的所述动作信号无线发送至所述服务器终端，以使所述服务器终端显示归一化处理后的所述动作信号的无线发送模块。

8.根据权利要求1所述的手语翻译系统，其特征在于，所述手语翻译系统还包括：

与所述数据识别模块连接，用于在所述数据识别模块得到所述手语结果以后，将所述归一化处理后的动作信号和所述手语结果记录到手语数据库的记录模块。

9.一种手语翻译手套，其特征在于，包括如权利要求1-8任一项所述的手语翻译系统。

10.一种手语翻译方法，其特征在于，包括：

采集用户的手部动作信号；

对所述动作信号进行归一化处理，以使所述动作信号映射至预设范围内并提取特征向量组；

对所述特征向量组进行识别得到手语结果。