手語對聽障人士在溝通上扮演了非常重要的角色。然而，在不同的國家與區域，都發展出屬於當地的一套手語，為此自動的手語識別系統為近年來手語研究的方向。在本文中，本文設計了一套台灣自然手語識別系統。本文採用Kinect2儀器，來獲得由3個手語者各比94種手語詞素3次的數據資料，並從深度影像與人體骨架之關節點座標中獲得手形特徵與軌跡特徵。然後，將這些特徵經由稀疏編碼方法K-SVD和LC-KSVD訓練出個別手語詞素的字典，並以此作辨識使用。 Sign language, for deaf-impaired people, plays an important role in communication. In this paper, we devise a Taiwan Sign Language recognition system. We use the Kinect2 sensor to get data from 94 sign morphemes shown 3 times by 3 people, and extract hand shape features and trajectory features from depth images and joints of the body skeleton. Finally, we have each sign morpheme dictionary trained by K-SVD and label consistent K-SVD (LC-KSVD) sparse coding algorithm for recognition.
