摘要：提出一種基于彩色-深度視頻和復線性動態系統(Complex linear dynamic system,CLDS)的手語識別方法,可以保證時序建模數據與原始數據嚴格對應,準確刻畫手語特征,從而顯著提高分類精度。利用深度視頻補償RGB視頻中的缺失信息,提取手語視頻運動邊界直方圖(Motion boundary histogram,MBH)特征,得到每種行為的特征矩陣。對特征矩陣進行CLDS時序建模,輸出能唯一表示該類手語視頻的描述符M=(A,C),然后利用子空間角度計算各模型之間的相似度;通過改進的K最近鄰(K-nearest neighbors,KNN)算法得到最終分類結果。在中國手語數據集(Chinese sign language,CSL)上的實驗表明,本文方法與現有的手語識別方法相比,具有更高的識別率。