摘要： 相对孤立词识别，连续手语识别对上下文的时间依赖性更强、语义更加复杂且时序分割困难，目前的研究在识别精度、背景抗干扰性和抗过拟合能力等方面仍存在不足。为此，提出一种基于CNN和BLSTM的连续手语识别方法，通过自适应视频采样，对输入视频数据进行预处理，去除无关背景的干扰；在CNN空间特征提取的基础上，利用BLSTM双向语义依赖挖掘能力，对连续手语视频进行时序建模，构建CTC损失函数解决时间序列标签对齐问题。该算法在CSL和ConGD数据集上分别取得了98.4%和62.5%的平均识别率。

关键词: 深度学习;连续手语识别;CNN;BLSTM;CTC;

中图分类号: 

• TP391.41