当前位置:文档之家› 基于 SRNHMM 的非特定人连续手语识别系统

基于 SRNHMM 的非特定人连续手语识别系统

基于 SRNHMM 的非特定人连续手语识别系统
基于 SRNHMM 的非特定人连续手语识别系统

V ol.13, No.11 ?2002 Journal of Software 软 件 学 报 1000-9825/2002/13(11)2169-07 基于SRN/HMM 的非特定人连续手语识别系统

方高林1, 高 文1,2, 陈熙霖1, 王春立3, 马继勇2

1

(哈尔滨工业大学 计算机科学与工程系,黑龙江 哈尔滨 150001); 2

(中国科学院 计算技术研究所,北京 100080); 3(大连理工大学 计算机科学与工程系,辽宁 大连 116023)

E-mail: {fgl,wgao,xlchen,chlwang,jyma}@https://www.doczj.com/doc/555909277.html,

https://www.doczj.com/doc/555909277.html,

摘要: 手语识别是通过计算机提供一种有效而准确的机制将手语翻译成文本或语音.目前最新发展水平的手语识别系统在实际应用中应解决非特定人连续手语问题.提出一种将连续手语识别分解成各孤立词识别的分治方法,用于非特定人连续手语识别.把精简循环网(simple recurrent network,简称SRN)作为连续手语的段边界检测器,把SRN 分段结果作为隐马可夫模型(hidden Markov models,简称HMM)框架中的状态输入,在HMM 框架里使用网格Viterbi 算法搜索出一条最佳手语词路径.实验结果表明,该方法的识别效果比单纯使用HMM 要好. 关 键 词: 神经网络;精简循环网络;隐马可夫模型;连续手语识别;非特定人手语识别

中图法分类号: TP391 文献标识码: A

手语是聋人交际的一种最常用的工具.手语识别的目标就是通过计算机提供一种有效而准确的机制,将手语翻译成文本或语音,使得聋人和听力正常人之间的交流变得更方便、更快捷.它已经成为人机接口领域的一项最重要研究内容之一.此外,手语识别还有许多其他应用,例如,在虚拟环境通过识别人的手势去控制虚拟人的运动,在虚拟现实作为多模式用户接口等等.

最初进行自动手语识别的尝试始于20世纪90年代,但是大部分手语识别研究者主要集中在孤立手语词识别研究上,对于连续手语识别的研究则很少.Starner [1]使用固定在桌面上的彩色相机作为输入设备,采用HMM(hidden Markov models)方法识别由40个手语词组成的句子,识别正确率达92%;如果将相机固定在用户的帽子上,对句子进行严格的语法限制,在实时情况下识别率能达到98%.Liang 和Ouhyoung [2]使用数据手套作为输入设备,HMM 作为识别技术,能够识别手语者打出由250个台湾手语词组成的连续句子,但是它要求打手语的速度比正常的速度慢.Vogler 和Metaxas [3]使用计算机视觉方法提取手语者手的三维运动变量,将视觉的方法与HMM 结合识别由53个手语词组成的连续句子.为了克服“运动插入”影响,使用上下文相关模型,识别率达89.9%.此外,他们以音素为基元识别连续句子[4],使用22个手语词组成的句子做实验,得到与词作为基元相似的识别结果.我们前面的工作在文献[5]中已经进行了描述,使用数据手套作为输入设备,采用HMM 模型识别技术,在特定人手语识别方面,识别5 177个孤立手语词,正确率达94.8%;可以识别由该词汇集中词组成的200个句子,正确率达91.4%.

从前期研究来看,对连续手语的研究都集中在特定人方面,而对非特定人连续手语识别的研究在文献中还

收稿日期: 2001-04-12; 修改日期: 2001-07-13

基金项目: 国家自然科学基金资助项目(69789301);国家863高科技发展计划资助项目(863-306-ZD03-01-2);中国科学院百人

计划资助项目

作者简介: 方高林(1975-),男,安徽庐江人,博士生,主要研究领域为模式识别,统计语言模型,人工智能;高文(1956-),男,博士,教授,博士生导师,主要研究领域为多媒体数据压缩,图像处理,计算机视觉,多模式接口,人工智能,虚拟现实;陈熙霖(1965-),男,博士,教授,博士生导师,主要研究领域为计算机视觉,多模式接口,虚拟现实;王春立(1972-),女,河北保定人,博士生,主要研究领域为模式识别;马继勇(1964-),男,黑龙江哈尔滨人,博士,主要研究领域为模式识别.

2170 Journal of Software 软件学报 2002,13(11) 未见报导.连续手语识别的主要问题是“运动插入”影响,即两个手势词之间存在过渡动作,它随着手语词的上下文变化而改变,类似于语音识别中的“协同发音”.对于非特定人识别,由于不同人的手的大小、身高长短、打手语的幅度、习惯以及打手语句子节奏快慢等都不一样,这些都增加了识别的难度,所以它的识别比特定人连续手语识别更具有挑战性.我们针对非特定人连续手语识别研究进行了尝试,实验表明连续手语具有段特性.根据该特性,我们提出了分治策略来实现连续手语识别,将连续手语识别问题化解成各孤立词的识别问题求解;同时,对SRN(simple recurrent network)进行改进,充分利用上下文,改进后的SRN 作为段边界检测器;最后使用网格Viterbi 算法,在SRN 输出的分段里搜索出一条最佳的手语词路径.

本文首先介绍SRN 并提出改进,然后给出基于SRN 连续手语的边界检测方法;其次分析了在HMM 框架下的网格Viterbi 算法和段内概率的计算问题,并给出实验结果及其与单纯使用HMM 方法的比较,最后得出结论. 1 基于SRN 的边界检测

1.1 精简循环网络及其改进

Elman 在循环网基础上进行了改进,提出了精简循环网(SRN)[6].循环网通过反馈层的引入而使网络具备了记忆和利用上文的能力,并已经成功地应用到语音识别[7,8]、手写体识别[9]和孤立手语词识别[10]等方面.典型的精简循环网络(如图1所示)共有4层神经元.令网络在接收第t 时刻输入向量时相应各层的输出为:隐层,

反馈层,输出层.W 分别表示反馈层到隐层、输入层到隐层、隐层到输出层的权值矩阵.

t I t H t C t O O H H I H C W W ,,反馈层节点是隐层节点的拷贝,并加入了一个单位的延迟.网络的输入层和反馈层组成联合输入层.若ΨΦ,分别为隐藏层神经元和输出层神经元的阈值向量,则有

, (1) )(Φ??+?=H I t H C t t W I W C f H

). (2) (Ψ??=O H t

W H f O 神经元的活跃函数一般取为

Sigmoid 函数.精简循环网络采用误差反向传播(back-propagation)算法)(?f ][11]来进行网络参数训练. 反馈层的引入,使得网络输出不但与当前的网络输入有关,而且与前一时刻的网络状态有关,而前一时刻的网络状态又是前面所有输入计算的结果.因此,精简循环网络可以记忆并使用较大范围的上文[6].

精简循环网络通过隐藏层,利用所有前

导输入的信息作出当前判断,但是无法利用

下文,为此,这里进行改进.策略1,将下文矢量作为当前输入的一部分,从而使上下文的微结构信息同时得到有效利用,这样,新的输入为,其他计算同SRN.策略2,训练时,结构不变,将训练样本正向输入网络,训练出正向SRN;将训练样本反向输入网络,训练出反向SRN.识别时,数据分别以正向输送到正向SRN,得出正向输出结果,再将数据逆向输送到反向SRN,得到逆向结果.然后将两种结果进行综合,通过两个网络充分利用了上下文信息.本文针对这两种策略进行手语边界检测实验,由于策略2的正、反向网络输出有时会产生冲突,很难用统一的标准进行判断,所以实验结果不如策略1好,这里,我们采用策略1作为改进的SRN.

[1+=t t t I I I ④③Input layer ⑤①拷贝,②反馈层,③输出层,④隐层,⑤输入层. Fig.1 Simple recurrent network

图1 精简循环网络

1.2 连续手语的边界检测

采用数据手套和3个位置跟踪器作为数据采集设备.数据手套用于采集手形变化信息,左、右手各18维数

方高林 等:基于SRN/HMM 的非特定人连续手语识别系统 2171 据,共36维;位置跟踪器用于采集方向、位置、运动轨迹特征,共12维输入数据.这样,整个输入为48维数据.由于不同人的手形大小、体形、打手语的习惯以及幅度不一样,我们让打手语者做几个固定的姿势,然后对每个人的数据进行标定处理;另外,由于48维数据的动态范围不一样,需要对每维数据进行归一化处理,使得动态范围为0~1.实验表明,上述的数据前处理还不能满足SRN/HMM 的要求.实验是采用48维数据作为SRN 的输入,选用30个隐含节点,3个输出节点,在PIII450(192M 内存)微机训练网络28个小时.但是这种,形式SRN 分段的效果不是十分理想,分段召回率仅为87%,在可扩展性方面和识别率方面都是远远不够的.使用分段召回率的概念是因为这里仅考虑将实际所有段检测出来,对于一个词可能被检测成几段的情况,在HMM 框架下通过网格Viterbi 算法搜索去解决,这里不作考虑. %100×=实际所有分段的个数作出正确分段的个数分段召回率, (3) 因而在前述的数据处理基础上用自组织特征映射(SOFM)作为特征提取网,提取出来的输出表现出很强的段特性(如图2所示,横轴为帧数,纵轴为SOFM 的输出),SOFM 的输出经过编码输入到SRN.SOFM 的输入为48个节点,经过实验,SOFM 的输出选取256个节点;SRN 选用16个输入节点,15个隐含节点,3个输出节点,在PIII450(192M 内存)微机上训练40分钟,分段召回率达到98.8%.下面分别讨论SRN 的输入、输出、训练以及识别

.

50

100

150

200

250

300

0510152025303540

Fig.2 The segments property of sign language ‘when will we leave’

图2 手语“我们什么时候走”段特性图

输入:对SOFM 的256个输出节点进行二进制编码,需8位,同时引进下文单元8位作为输入,这样共选用16个输入节点,节点的输入值为{}1,0∈i t I ,i

.16,...,2,1=输出:使用3个输出节点表示,分别定义段的左边界1,对应节点o ,段的右边界2,对应节点o ,段内部3,对应节点.

1t 2t 3t o [][][]. 输出为左边界, 100, 010

, 001 =输出为段内部输出为右边界t O (4)

训练:由于连续手语中间没有停顿,不能确定其边界,这里采用自动分割的方法.设训练集中的样本句子,对应的帧序列为k w w w W ...21=,...21l t t t T =对于任何一帧判断它是属于词还是词,如果, ,那么帧为段的右边界,帧为另一段的左边界.利用孤立词模型参数(见第3节)按照孤立词识别方法计算t 属于词()状态的概率,然后通过受限的动态规划算法搜索出一条最佳的词分割序列.受限指搜索只能按照这样的词序列进行搜索.我们以此搜索结果作为训练的目标边界输出.

i t m w 1+m w m i w t ∈11++∈m i w t i i t m w w w 11+i t k m ,...,1=k w ...2引入自适应学习速率、附加动量项的反向传播算法作为SRN 基本学习算法,将训练集中的样本经过SOFM 网的变换,然后进行编码,与下文矢量一起输入到SRN 网中,计算出相应各时刻的输出,将该输出与理想输出比

较,计算出误差并反向传播,根据误差调整SRN 的网络权值.在学习开始时,将权值矩阵、

隐层神经元阈值和输出层神经元的阈值都赋予()1,1+?区间内的随机值,反馈单元初始化为0.5.学习速率初始值为0.01,附加动量项的动量因子为0.95.期望误差最小值为0.01.

识别:对于测试集中的连续手语,首先输入到SOFM 中经过特征提取,形成量化的输出,将量化的输出经过编码,与下文矢量一起输送到SRN,经过SRN 的边界检测,在时刻的检测输出结果为i .在检测时,

t )(max arg *i t i

o =

2172

Journal of Software 软件学报 2002,13(11)

根据左右边界相邻特性给出限制. 2 HMM 框架

SRN 的分段结果输送到HMM 框架中,一段或若干段(2~4段)组合在一起形成HMM 的状态.这是由于手语词的长短不一,一个手语词可能由几个段组成,需要以段为单位,在段中搜索出一条最佳词路径.这里的最佳指两方面,一方面是指重新组合的段序列最佳,另一方面是指在重新组合的最佳段序列中所选的词序列最佳.为了适应这种网格搜索,标准的Viterbi 算法被改进,这里称之为网格Viterbi(lattice Viterbi)算法.

为了区分,我们定义两种Viterbi 算法.孤立词Viterbi 算法:对于输入数据帧序列,预先知道它是由一个词组成,在识别时,Viterbi 算法每走一帧时只搜索该词的所有状态,最后选择最佳状态序列.连续语句Viterbi 算法:对于帧序列,预先不知道它是由几个词组成,在识别时,Viterbi 算法每走一帧时,不但搜索该词的所有状态,而且还要搜索识别空间中其他所有词的状态,最后选择最佳状态序列.对于同一段手语数据帧序列,使用孤立词Viterbi 算法识别比使用连续语句Viterbi 算法识别精度高,识别时间短.

孤立词Viterbi 算法和连续语句Viterbi 算法都是一帧一帧地搜索,本质上是一样的,都属于标准的Viterbi 算法.然而网格Viterbi 算法与它们的区别是可以跨段搜索.下面详细讨论该算法.

2.1 网格Viterbi 算法

定义三元组q t ,,′为网格图中的重组后的段,以第段开始,以第t t ′段结束,代表第个词,;所有三元组q T t <≤0,T t t ≤′

q |(q q P ′q ′q 初始化:

),,0(),,0(q t b q t =δ, (5) NULL.

),,0(=q t ψ (6) 递归: ),,,()|(),,(max ),,(,,q t t b q q P q t t q t t L

q t t ′′′′′=′∈′′′δδ (7)

).|(),,(max arg ),,(,,q q P q t t q t t L

q t t ′′′′=′∈′′′δψ (8) 终止:

),,,(max ,,*q T t P L q T t δ∈= (9) ).,,(max arg ,,,,*1*1q T t q T t L

q T t δ∈= (10)

路径回溯:令,递归*0t T =),,(,,**1**1**1i i i i i i q t t q t t ?++=ψ直到,NULL ,,*1**1=++k k k q t t 这样为搜寻的最佳词

序列.

*1*...q q k 0 1 2 3 6

4

Fig.3 The sketch map of the lattice Viterbi algorithm

图3 网格Viterbi 算法示意图

方高林 等:基于SRN/HMM 的非特定人连续手语识别系统 2173

图3以一个含有6段连续手语句子来表示网格Viterbi 算法搜索过程(为了表达清晰,第3段和第4段组合在图中没有画出).例如,在图3中,当,64=t =′t 时,3=′′t 或2=′′t ,经过公式(8)的计算,3=′′t 是使得),6,4(q δ段局部最大,这样q q ′=,4,3),6,4(ψ.在该图中最终的搜索结果是?0 1? ?1 3? ?3 4? ?4 6?4段,4段中相应的词(用圆圈表示)构成了最佳词序列.

2.2 段内概率计算

段内概率计算相当于一个孤立词识别的计算过程,但是它保存候选词的概率值,作为HMM 框架中的发射概率,最后通过网格Viterbi 算法去选择最佳路径.孤立词识别时我们采用SOFM/HMM 方法计算,该方法是对基于HMM 手语识别方法的改进,使用自组织特征映射(SOFM)的输出构造HMM 的状态概率,将SOFM 很强的自组织能力和HMM 良好处理时间序列功能结合起来,在识别过程中使用后验概率对状态概率进行修正,增强了模型的模式辨识能力,提高了手语识别的正确率.

),,(q t t b ′根据段内概率计算时所采用的模型不一样,我们分为嵌入式训练识别和无嵌入式训练识别.将训练集中的句子经过第 1.2节自动分割方法分割成词及相应的帧序列,我们把分割后的词作为训练集,训练出一套模型参数,称为嵌入式模型参数.将嵌入式模型参数和孤立词模型参数合并在一起作为段内概率计算的候选模型进行识别,称为嵌入式训练识别.只是将孤立词模型参数作为段内概率计算的候选模型进行识别,称为无嵌入式训练识别.由于嵌入式训练识别通过参数训练将部分的上下文相关模型包含在参数里,所以它的识别率要高于无嵌入式训练识别,具体见实验结果.

3 实验比较与结果分析

在实验中,我们采用的数据库按如下方法构造.词汇表为208个孤立词,请7位手语老师分别将208个孤立手语词每个采集3遍.选取5位,每位2组(共10组)作为孤立词训练集,利用SOFM/HMM 模型进行训练,训练出孤立词模型参数.从孤立词训练集中的5个选取2人(用A ,B 表示),从不在孤立词训练集中的2人选取1人(用C 表示),共3人.由这3个人按照正常的手语速度把208个词组成的100个句子分别打2遍,共6组数据分别标记为A 1,A 2,B 1,B 2,C 1,C 2.我们选取A 1,B 1作为训练集,该训练集是作为SOFM,SRN 和嵌入式训练的训练集.从A 2,B 2中任选一个作为已注册测试集(Reg.),C 1,C 2任选一作为未注册测试集(UnReg.).我们分别将SRN/HMM 和单纯使用的HMM 在非特定人连续手语识别中作比较,结果见表1~表3.

Table 1 Un-Embedded training recognition, test set is Unreg.

表1 无嵌入式训练识别,测试集为未注册测试集

Method Recognition accuracy (%)

Recognition time (s/word) HMM 68.1 (S=58, I=40, D=19) 0.503 SRN/HMM 73.6 (S=57, I=8, D=32) 0.241 ①识别方法,②识别率,③识别时间.

Table 2 Embedded training recognition, test set is Unreg.

表2 嵌入式训练识别,测试集为未注册测试集

Method ① Recognition accuracy ② (%)

Recognition time ③ (s/word) HMM 81.2 (S=35, I=25, D=9) 1.016 SRN/HMM 85.0 (S=33, I=6, D=16) 0.479 ①识别方法,②识别率,③识别时间.

Table 3 Embedded training recognition, test set is Reg.

表3 嵌入式训练识别,测试集为已注册测试集

Method ① Recognition accuracy ② (%)

Recognition time ③ (s/word) SRN/HMM 92.1 (S=12, I=5, D=12) 0.485 ①识别方法,②识别率,③识别时间.

上述实验均使用Bi-gram 语言模型,在PIII450(192M 内存)微机运行,S(substitution)表示替代错误, I(insertion)表示插入错误,D(deletion)表示删除错误,在测试集中总的手语词数为367.结果表明,SRN/HMM 比单

2174 Journal of Software软件学报2002,13(11)

纯使用HMM具有更高的识别率和更快的识别速度.形成这样的原因可能有以下几个方面:(1) 由于HMM模型在识别过程中采用连续语句Viterbi算法,很容易受“运动插入”的影响.SRN/HMM通过识别出连续语句的词边界,在边界前后根据SOFM输出结果去除过渡帧,这样可减少“运动插入”的影响,提高了识别率;(2) SRN/HMM 寻求的是最佳的词序列,而不像HMM模型寻求的是最佳的状态序列;(3) 采用孤立词Viterbi算法识别单个词正确率高于采用连续语句Viterbi算法识别;(4) 由于SRN/HMM采用的网格Viterbi算法是跨段搜索,只需在SRN 输出的分段处检测是否为词分断点,而HMM在识别时将每一帧都视为潜在的词分断点进行检测,所以SRN/HMM比HMM识别速度快.

但是,SRN/HMM由于采用分治的策略,可能造成错误累加,为了避免这种情况,我们在SRN分段时采用软分段而不是确定性的分段的措施,最后在网格Viterbi算法中才确定该句子中每个词的边界,以保证算法具有较好的识别效果.在实时识别时,需要在数据采集中缓存一段数据,但是这并不影响实时识别的效果.

4 结论

本文针对非特定人连续手语识别进行研究,提出了一种基于分治策略、使用显式分割过程的方法.首先通过改进的SRN进行分段,分段的结果重新组合作为HMM的状态输入,然后通过网格Viterbi算法从中搜寻一条最佳的手语词路径.它可以减少“运动插入”带来的影响.实验结果表明,它的识别速度比单纯使用HMM更好的识别结果和更快.此外,改进的SRN算法、网格Viterbi以及实验得出的连续手语段特性不仅可以用在该算法之中,也可以作为进一步研究其他算法的基础.我们下一步的工作将是在其基础上进行大规模手语词汇的非特定连续手语的研究.

References:

[1] Starner, T., Weaver, J., Pentland, A. Real-Time American sign language recognition using desk and wearable computer based video.

IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998,20(12):1371~1375.

[2] Liang, R.H., Ouhyoung, M. A real-time continuous gesture recognition system for sign language. In: Yachida, M., ed. Proceedings

of the 3rd International Conference on Automatic Face and Gesture Recognition. New York: IEEE, 1998. 558~565.

[3] Vogler, C., Metaxas, D. ASL recognition based on a coupling between HMMs and 3D motion analysis. In: Davis, L., et al., eds.

Proceedings of the IEEE International Conference on Computer Vision. New York: IEEE,1998. 363~369. http://citeseer.nj.nec.

com/vogler98asl.html.

[4] Vogler, C., Metaxas, D. Toward scalability in ASL recognition: breaking down signs into phonemes. In : Braffort, A., Gherbi, R.,

Gibet, S., et al. eds. Gesture-Based Communication in Human-Computer Interaction. Berlin: Springer-Verlag, 1999. 400~404.

[5] Gao, Wen, Ma, Ji-yong, Shan, Shi-guan, et al. HandTalker: a multimodal dialog system using sign language and 3-D virtual human.

In: Tan, Tie-niu, Shi, Yuan-chun, Gao, Wen, eds. Advances in Multimodal Interfaces-ICMI. Berlin: Springer-Verlag, 2000.

564~571.

[6] Elman, J.L. Finding structure in time. Cognitive Science, 1990,14(2):179~211.

[7] Robinson, T. An application of recurrent nets to phone probability estimation. IEEE Transactions on Neural Networks, 1994,5(2):

298~305.

[8] Kershaw, D.J., Hochberg, M., Robinson, A.J. Context-Dependent classes in a hybrid recurrent network-HMM speech recognition

system. Advances in Neural Information Processing Systems, 1996,8:750~756.

[9] Senior, A., Robinson, A.J. Forward-Backward retraining of recurrent neural networks. In: Advances in Neural Information

Processing Systems, Vol 8. 1996. 743~749.

[10] Murakami, K., Taguchi, H. Gesture recognition using recurrent neural networks. In: Proceedings of the CHI’91 Human Factors in

Computing Systems. New York: ACM Press, 1991. 237~242. https://www.doczj.com/doc/555909277.html,/citation.cfm?id=108900&coll=portal&dl= ACM&CFID=662409&CFTOKEN=62522583.

[11] Rumelhart, D.E., Hinton, G.E., Williams, R.J. Learning internal representations by error propagation. In: Rumelhart, D.E.,

McClelland, J.L., eds. Parallel Distributed Processing, Vol 1. Cambridge, MA: MIT Press, 1986. 318~362.

方高林等:基于SRN/HMM的非特定人连续手语识别系统2175 A Signer-Independent Continuous Sign Language Recognition System Based on SRN/HMM

FANG Gao-lin1, GAO Wen1,2, CHEN Xi-lin1, WANG Chun-li3, MA Ji-yong2

1(Department of Computer Science and Engineering, Harbin Institute of Technology, Harbin 150001, China);

2(Institute of Computing Technology, The Chinese Academy of Sciences, Beijing 100080, China);

3(Department of Computer Science and Engineering, Dalian University of Technology, Dalian 116000, China)

E-mail: {fgl,wgao,xlchen,chlwang,jyma}@https://www.doczj.com/doc/555909277.html,

https://www.doczj.com/doc/555909277.html,

Abstract: Sign language recognition is to provide an efficient and accurate mechanism to transcribe sign language into text or speech. State-of-the-Art sign language recognition should be able to solve the signer-independent continuous problem for practical applications. In this paper, a divide-and-conquer approach, which takes the problem of continuous CSL (Chinese sign language) recognition as subproblems of isolated CSL recognition, is presented for signer-independent continuous CSL recognition. In the proposed approach, the SRN (simple recurrent network) is used to segment the continuous CSL. The outputs of SRN are regarded as the states of HMM (hidden Markov models) in which the lattice Viterbi algorithm is employed for searching the best word sequence. Experimental results show that SRN/HMM approach has better performance than the standard HMM.

Key words: neural network; simple recurrent network; hidden Markov model; continuous sign language recognition;

signer-independent sign language recognition

Received April 12, 2001; accepted July 13, 2001

Supported by the National Natural Science Foundation of China under Grant No.69789301; the National High Technology Development 863 Program of China under Grant No.863-306-ZD03-01-2; the 100 Outstanding Scientist Foundation of the Chinese Academy of Sciences of China

学习手语-简单手语教程

南昌航空大学科技学院欢迎你: 南昌航空大学科技学院手语 南昌:右手伸直,五指并拢,指尖在胸腹部向下指。(二)左手拇、 食指捏成小圆,右手食指横放在小圆中间如“日”字形。此手势连打两 次,即“昌” 字。 协会欢迎你 航空:一手伸拇小指,掌心向下,向前上方作弧形移动,象征飞机外形及起飞情况。 大学:(一)一手食指书空“大”字,(二)双手放于面前,如读书状。 科技:双手伸拇食中指,拇指抵于中指二分之一处,为字母“K”的打法。 手语:双手五指微曲,交替上下舞动,手指灵活曲伸,如打手势动作 协会:(一)双手食指互相勾住,表示“协作”“协同”的意思。(二)同“工会”手势。 学院:(一)双手放于面前,如读书状。(二)双手搭成“^”形欢迎:(一)双手鼓掌。(二)双手掌心向上,往旁移动一下,如邀请动作。你:一手食指指向对方。 大一学生老师校长宿舍 大一:双手掌心相对,同时向两侧挥动,一手身出食指,其余四指弯曲。 学生:(一)双手放于面前,如读书状。(二)右手食指书空“士”字 老师:(一)双手五指撮合,指尖相对,在胸前摇动几下,意即“传授”。(二)一手伸拇指贴于胸前。 校长:(一)双手掌心向内,方在胸前作读书状。(二)双手搭成“^”字形,表示学校。(三)一手伸拇指贴于胸前。 宿舍:(一)一手贴于耳部,头微侧,如睡觉状。(二)双手搭成“^”形,如屋顶状。

每天每月每年年龄大小 每天:(一)一手食指向上伸直,向一侧一顿一顿移动几下。(二)同“当天”手势(右手食指,指尖向右,然后作弧形移动至左肩前。 每月:(一)同“每天”手势(一手食指向上伸直,向一侧一顿一顿移动几下。)(二)同“腊月”手势(左手食指横立不动;右手食指从左手食指指尖向左划。) 每年:(一)同“每天”手势(一手食指向上伸直,向一侧一顿一顿移动几下。)(二)右手伸食指从左拳的骨节处向下划。 年龄:(一)一手食指沿另一手拳背骨关节凸起处向下划,即“年”手势。(二)一手指尖向上,五指分开,指尖颤动几下,表示多少。 大:双手掌心相对,同时向两侧挥动。 小:一手拇指捏小指指尖。 我爱你等待想笑 我:一手食指指自己。 爱:一手轻轻抚摩另一手拇指指背,表示一种“怜爱”的感情。 你:一手食指指向对方。 等待:一手背贴于颏下,表示张望、等候之意。 想:一手食指置太阳穴处转动,显示动脑思索的神情 笑:一手拇、食指微弯,放于颏部,脸露笑容。 爸爸妈妈姐姐哥哥妹妹弟弟 爸爸:一手伸拇指贴在嘴唇上。 妈妈:一手伸食指贴在嘴唇上。 姐姐:一手先伸中指贴于嘴唇上,然后改以拇、食指捏耳垂。 哥哥:一手先伸中指贴于嘴唇上;再改伸掌直立,在头侧自后向前挥动,即“男”手势。 妹妹:(一)双手横伸胸前,掌心向内,一前一后,后掌向前靠贴,表示亲近之意。(二)手指字母“Q”的指式。 弟弟:一手先以小指贴于嘴唇上,再打“男”手势。

常用手掌动作训练方法有哪些

常用手掌动作训练方法有哪些 不管是在演讲中,还是在现实生活与工作的交流沟通中,手掌的运用是最普及、最常见、最频繁的,它是手势语的主角和态势语的重头戏。下面小雅为你整理常用手掌动作训练方法,希望能帮到你。 一套常用的手掌动作,共有以下11种: (1)伸手(手心向上,前臂略直,手掌向前平伸)--表示请求、交流、许诺、谦逊、承认、赞美、希望、欢迎、诚实等意思。 伸手训练:“人活在世上,谁不希望自己的一生过得有意义、有价值一些呢?”“自己活着,就是为了使别人生活得更美好!” (2)抬手(手心向上,手臂微曲,手掌与肩齐高)--表示号召、唤起、祈求、激动、愤怒、强调等。 抬手训练:“尊敬的各位领导、各位来宾,亲爱的同学们,大家早上好!”“给人民当牛做马的人,人民把他抬得很高很 高!” (3)举手(五指朝天,前臂垂直,手掌举至头部)--表示行动、肯定、激昂、动情、歌颂等 举手训练:“人生的价值在于奉献,生命的真谛在于创 造!”“经验证明,能使大多数人得到幸福的人,他本身也是幸福的。”

(4)挥手(手臂向前,手掌向上挥动)--表示激励、鼓动、号召、呼吁、前进、致意等。 挥手训练:“努力吧!奋斗吧!我们的明天一定会更加美 好!”“同志们,朋友们:让我们在爱国主义的旗帜指引下奋勇前进吧!” (5)推手(手心向前,前臂直伸)--表示坚决、制止,果断、拒绝、排斥、势不可挡等意。 推手训练:“不!不能这样!这不是我们的逻辑!”“谁不属于自己的祖国,那么他也就不属于人类。” (6)压手(手心向下,前臂下压至下区)--表示要安静、停止、反对、压抑、悲观或气愤等。 压手训练:“时间就是生命,无端地浪费别人的时间,其实是无异于谋财害命的。”“谁若把金钱看得比荣誉还尊贵,谁就会从高贵降到低贱。” (7)摆手(手心对外,前臂上举至中区上部)--表示反感、蔑视、否认、失望、不屑一顾等。 摆手训练:“一个人的价值,应该看他贡献什么,而不应当看他取得什么。”“凡在小事上对真理持轻率态度的人,在大事上也是不可信任的。” (8)心手(五指并拢、弯曲,自然放在胸前)--表示自己、祝愿、愿望、希望、心情、心态等。

日常手语100句

日常手语100句 第一课问候 1.你好. 2.早上好. 3.你好吗 4.很好.谢谢. 你:一手食指指向对方. 好:一手伸出拇指. 早上:一手四指与拇指相捏,手背向上横放胸前,缓缓向上抬起,五指逐渐张开,象征天色由暗转明. 很(最,十分):一手食指横伸,拇指尖抵于食指根部,向下一顿. 谢谢:一手伸拇指,弯曲两下.(可根据实际情况确定手势动作的方向) -------------------------------------------------------------------------------- 第二课介绍 5.你叫什么名字 6.很高兴认识您. 叫:右手伸拇指,其他四指并拢微曲,虎口贴于嘴部,张嘴如喊叫状.(可根据实际模仿喊叫的动作) 什么:双手平伸,掌心向下,然后翻转为掌心向上. 姓名(名字):左手中,无名,小指横伸;右手食指指尖自左手中指指尖向下划动(中指表示"姓",无名指,小指表示"名"). 高兴(愉快,快乐):双手横伸,掌心向上,上下交替动几下,面露笑容. 认识一手食,中指分开,指尖朝前,自眼部向前移动一下. (二)一手食指在太阳穴处点一下. 7.你第一次来上海吗 8.我是志愿者. 第一次左手伸拇指;右手伸食指敲一下左手拇指尖. (二)一手食指横伸. (三)一手打手指字母"C"的指式. 来:一手掌心向下,向内挥动一下. 上海:双手握拳,小指一上一下互相勾住(原是英文字母"S"的双拼指式,上海当地手势). 我:一手食指指自己. 是:一手食,中指相叠,由上而下挥动一下. 志愿者一手打手指字母"zh"的指式. (二)一手拇食指微曲,指尖朝下颚处点一下,同时头微点一下. (三)右手拇小指捏成小圆圈贴于左胸部. -------------------------------------------------------------------------------- 9.你家在哪儿 10.我家在新疆乌鲁木齐. 家:双手搭成"^"形. 在:左手横伸,右手伸出拇,小指,由上而下移至左手掌心上. 哪儿:一手伸食指,指尖朝前下方随意指点几下. 新疆:双手上举,五指微曲,拇指和中指互捻,同时手腕灵活转动,模仿新疆舞的动作. 乌鲁木齐一手食中指分开,指向双眼,然后边向外移动,边伸出拇指. (二)双手伸食指,指背向上,指尖相对,边弯动食指边由中间向两侧移动,仿城垛形. 11.你多大了 12.我26岁.

基础手语教学资料全

深圳市教师继续教育专业科目教学大纲 中国手语 一、说明 (一)课程性质: 随着医学和教育的发展,越来越多的听力障碍儿童佩戴了助听器或者做了电子耳蜗后进入普通学校随班就读,教师是他们进入学校的主要交流对象。为反映社会文明的进步,体现对听力障碍学生的关爱,解决教师在教育教学中遇到的实际问题,满足教师继续教育多样化的需求,实践以生为本的教育理念,特开设本课程。本课程为个人选修科目。 (二)教学目的: 1、帮助教师了解听力障碍的学生,引导教师的教育行为,形成正确的学生观和教育观; 2、因材施教,有效的对听力障碍学生进行课堂教学,更好的开展随班就读工作; 3、有利于教师丰富专业体验,提升自身综合素养; 4、有利于营造与聋人交流的无障碍环境,体现社会对聋人的关爱,使他们更好的融入社会,体现社会精神文明的进步。 (三)教学内容: 目录 第一讲《中国手语》简介 第二讲汉语手指字母方案 第三讲手势动作图解符号说明 第四讲常用简单手语 一、问候用语 二、社交用语(一)

三、社交用语(二) 第五讲手语歌 一、中华人民共和国国歌 二、感恩的心 三、爱的奉献 四、祝你平安 第六讲回答一些问题 (四)教学时数: 12学时,不分学科、级别,考查。 (五)教学方式:面授 二、本文 第一讲《中国手语》简介 教学要点:中国手语简介 教学时数:1课时 教学内容: 手语是聋人交际的工具,它作为一种语言,已逐渐为人们所接受。 我国早在50年代后期,就开始了中国聋人手语的规范化工作。那时,中国聋哑人福利会为促进聋人手语的统一与发展,曾邀请各地聋人代表、聋人工作者以及专家、学者等召开座谈会,整理、修订出一套《聋哑人通用手语草图》,共2000余个手语草图,这是我国聋人手语规范化工作的开端。 1979年,中国盲人聋哑人协会将原《聋哑人通用手语草图》修订,定名为《聋哑人通用手语图》。1985年底,中国盲人聋哑人协会委托上海市盲人聋哑人协会组成编纂小组,对《聋哑人通用

手语学习图解

武汉长江职业学院青年志愿者协会实践服务部手语培训班手语图解学习资料手语基础(一)

手语基础二: 习拼音字母可以有助于今后的举一反三,也是手语的基础 手语基础三:

1、我————一手食指指着自己。 2、你————一手食指指向对方。 3、他————一手食指指向侧方第三者。 4、我们————一手食指先指胸部,然后掌心向下,在胸前平行转一圈。 5、你们————一手食指先指向对方,然后掌心向下,在胸前平行转一圈。 6、他们———一手食指指向侧方第三者,然后掌心向下,在胸前平行转一圈。 7、自己————一手伸食指,指尖向上,贴于胸前。 8、大家————一手掌心向下,在胸前平行转一圈。 9、谁————一手伸食指,指尖向上,在背前前摇动。 10、男————一手直立,五指并拢在头侧自后向前挥动,以“短发”表示男子。 11、女(姑娘)——一手拇、食指捏耳垂,象征耳环,泛指妇女(凡女性均用此手势)。 12、婴儿————双手掌心向内,一上一下,虚置胸前,作抱婴儿状。 13、小孩(少年、儿童)——一手平伸,掌心向下,在胸前向下微按(根据小孩、儿童、少年不同身高而决定手的高低)。 14、青年————一手掌心在下巴无胡须来表示青年。 15、老人————①一手在下巴作理胡须动作,以长胡须来表示老。 ②双手食指搭成“人”字形。 16、父亲(爸爸)————一手伸拇指贴在嘴唇上。 17、母亲(妈妈)————一手伸食指贴在嘴唇上。 18、哥哥————一手先伸中指贴于嘴唇上,再改伸掌直立,在头侧自前挥动,即“男”手语。 19、姐姐————一手先伸中指贴于嘴唇上,然后改以拇、食指捏耳垂。 20、妹妹————一手先伸小指贴于嘴唇上,再打“女”手势。 21、男孩(儿子)——①同“男”手势。 ②同“小孩”手势。 22、女孩(女儿)——①同“女”手势。 ②同“小孩”手势。 21、女士————①同“女”手势。 ②一手食指书空“士”。 22、男士————①同“女”手势。 ②一手食指书空“士”。 23、同志————一手伸食、中指,手背向上,在胸前平行挥动两下。 24、同学————①同“同志”手势。 ②双手伸掌,掌心向内赃物于胸前,如读书状。 25、朋友————双手伸拇指互碰几下,表示友谊。 26、先生————一手伸拇指,贴于胸前,表示尊敬。 27、工人————①一手食、中指与另一手食指搭成“工”字形。 ②双手食指搭成“人”字形。 28、商人————①双手平伸,掌心向上,在胸前交互转动,象征买卖。 ②双手食指搭成“人”字形。 29、教师————①双手五指撮合,指尖相对,在胸前摇动几下,意即“传授”。 ②一手伸拇指贴于胸前。 30、医生————①一手食、中、无名指按于另一手脉门处,如中医搭脉状。 ②一手伸拇指贴于胸前。

手语图案详解称谓职业衣服食品日用品

称谓、职业 一、词汇 要求:1、用手语熟练打出以下词汇 2、背记词根:“男”(哥哥、弟弟、先生、儿子等) “女”(姐姐、妹妹、女儿、女士等) “人:(残疾人、男人、女人、年青人、老人等) “朋友”(朋友、恋爱、结婚、陌生等) “教”(七、没有、沙子、检查等) “同”(同学、同事) 3、能用本课的词语组合成简单的日常会话 手语图解 人民(ren min) 双手食指搭成“人”字形并顺时针转一圈,表示人多的意思。 群众(qun zhong) 双手中、无名、小指搭成三个“人”字形,并顺时针转一圈。 公民(gong min) (一)双手拇、食指搭成“公”字形。 (二)双手食指搭成“人”字形并顺时针转一圈,表示人多的意思。 市民(shi min ) (一)一手打手指字母“SH”的指式,并在胸前顺时针平行转一圈。 (二)双手食指搭成“人”字形并顺时针转一圈,表示人多的意思。 青年(qing nian ) 一手掌心在颏下抚摸两下。

男(nan ) 一手直立,在头一侧前后移动几下。 女(nv) 右手拇、食指捏一下耳垂。 残疾人(can ji ren ) (一)一手打手指字母“C”的指式。 (二)一手打手指字母“J”的指式。 (三)双手食指搭成“人”字形。 聋人(long ren ) (一)一手食、中指直立,贴于耳部,表示耳聋。 (二)双手食指搭成“人”字形。 盲人(mang ren ) (一)一手食、中指直立并分开,贴于双眼部,双眼闭合,表示双目失明。 (二)双手食指搭成“人”字形。 肢残人(zhi can ren ) (一)右手横伸,掌心向上,划一下左臂。 (二)双手食指搭成“人”字形。 弱智人(ruo zhi ren ) (一)左手横伸;右手伸拇、小指,小指尖抵于左手掌心上,并左右微动。 (二)一手食指指前额。 (三)双手食指搭成“人”字形。 健全人(jian quan ren ) (一)双手掌心向内贴于胸部,然后边向下一顿,边伸出拇指。 (二)双手五指微曲,手背向上,然后向下做弧形移动,手腕并拢。 (三)双手食指搭成“人”字形。 亲戚(亲属)(qin qi(qin shu) ) (一)双手横立,左手在前不动,右手向前贴向左手,表示亲近之意。 (二)一手打手指字母“Q”的指式。

中国手语一百句图解文档

第一课问候 1.你(您)好。 你:一手食指指向对方。 好:一手握拳,向上伸出拇指。 2.早上好。 早上:一手四指与拇指相捏,手背向上横放胸前,缓缓向上抬起,五指逐渐张开,象征天色由暗转明。 3.你好吗? 吗:右手食指书空“?”形。表情是疑问式的。眼睛看着对方,眉微扬,希望得到对方的回复。 4.很好,谢谢。 很:一手拇指指尖抵于食指跟部,向下一沉。谢谢:一手伸出拇指,弯曲两下,表示向人感谢。 第二课介绍 5.你叫什么名字? 叫:一手拇指与四指作“└”形,虎口贴于嘴边,张开嘴,作喊叫状。 什么:双手伸开,掌心向下,然后翻转为掌心向上。 名字:一手食指沿另一手中、无名、小指尖向下划动(中指表示“姓”、无名、小指表示“名”)。

我:一手食指指自己。 王:一手中、无名、小指横伸与另一手食指搭成“王”字形。 小:一手拇指捏小指指尖。 红:一手打手指字母“H”的指式,并摸摸嘴唇。嘴唇是红色的,以此表示“红”。 7.第一次来上海吗? 第一次:(一)左手(向上)伸拇指;右手伸食指敲一下左手拇指尖。 (二)一手食指横伸。 (三)一手打手指字母“C”的指式。 来:一手掌心向下,由外向内挥动。 上海:双手握拳,小指一上一下互相勾住(原是英文字母“S”的双拼指式,上海人的习惯打法)。 8.我是志愿者,需要帮助吗? 是:一手食、中指相搭,并点动一下。 志愿者:(一)手指字母“ZH”的指式。 (二)一手拇、食指分开,抵于左右嘴角。 (三)右手拇、小指捏成小圆圈贴于左胸部。 需要:(一)一手伸出拇、食指,指向胸前微微点动。 (二)同“要求”手势(一)。 帮助:双手掌心向外,拍动两下,表示给人援助、帮助。

大家学手语100句详细教学

本文档主要配合《大家学手语100句》教学视频使用,希望能够帮助大家更好学习手语,有错误之处还望大家见谅。 大家学手语100句 第一课问候 单词: 你:一手食指指向对方。 好: 伸出右手拇指。 早上:一手拇指与四指相捏,手背向上横放胸前,缓缓向上抬起,五指逐渐张开,象征天色由暗转亮。 很(十分、最):一手食指横伸,拇指指尖点食指跟部,向下 一顿。 句子: 你好! 早上好! 你好吗(带疑问表情) 很好,谢谢! 早上好! 第二课介绍 单词: 叫: 右手在嘴边做喊叫状。 什么:双手平伸,掌心向下,然后变为掌心向上。 姓名、名字:左手中、无名、小指横伸,右手食指指尖自中 指指尖向下划动。(中指表示“姓”,无名指和小指 表示“名”) 高兴、快乐:双手掌向上交替动几下,面带笑容。 认识:一手中、食指分开自眼部向前移动一下,一手食指在太阳穴点一下。 ●第一次:1、左手伸拇指,右手伸食指,敲一下左手指 尖。 2、右手食指横伸。 3、右手打字母“C”。 来:掌心向下挥动一下。 上海:双手握拳小指一上一下互相勾住 我:一手食指指向自己。 是:右手食中指相叠,由上向下挥动一下 ●志愿者:1、一手打字母“zh”。 2、一手拇食指微曲,指尖朝下巴处点一下。 3、右手拇食指捏成小圆圈贴于左胸部。 家:双手搭成“∧”形。 在:左手横伸,右手打出字母“z”,由上而下移到左手掌心上 哪儿:一手伸食指,指尖实际方向指点两下。 新疆:双手上举五指微曲,拇指和中指互捻,同时手腕灵活转动,模仿新疆舞的动作 乌鲁木齐:一手食指中指分开,指向双眼,然后边向外移 动,边伸出拇指 ●年龄(多大、多少岁):1、左手握拳,右手食指自左手 关节处向下划一下。 2、右手直立,掌心向内,五指 分开,手指交替抖动几下。

特种部队常用战术手语

特种部队常用战术手语 第一行:一、二、三、四、五; 第二行:六、七、八、九、十; 第三行:你、我、来、听/说、看/看我; 第四行:提/小心、停、结冰、占距该地、隐蔽。

第五行:敌军***、狙击手、狗、叫领队

特种部队手语图解 下面给大家介绍一组与之相关的手语,看特种部队在解救人质的过程中,除了高科技通讯之外,是怎么样通过手语来进行沟通完成任务的。这组手语最先是由德国第九国防军(GSG-9)创造,后被世界各国特种部队广泛采纳使用。好好学习哦,这个,大概,也许八成,没准…… 你——以食指指向受讯的队员。 我——以食指指向自己的胸膛。 来——伸开手臂,手指间紧闭,然后向着自己身躯方向摆动,指示队员靠 近自己。

听到——举起手臂,手指间紧闭,拇指及食指触及耳朵,掌心微曲并且向 着受讯队员。 看见——手指间紧闭,水平放置手掌于前额上。 那里——伸开手臂,以食指指向目标。 推进——屈曲手肘,前臂垂直指向地上,手臂成L形,手指间紧闭,然后从身后摆动向前方,通知队员向前推进。 讯息已收到——伸开手,大拇指和食指成圆形状,与“OK”手势相同。

转角处——手臂水平伸开成L形,从身后横摇向身前。 赶快——手部作握拳状,然后屈曲手肘,举起手臂作上下运动。 停止——伸开手臂,以掌心向着受讯队员。 催泪弹——手指分开成碗状,罩着面部的鼻子和口。 掩护我——手举至头上,屈曲手肘,掌心盖着头颅顶。 肃静——作握拳手势,竖起食指,垂直置于唇上。

不明白——略为屈曲手臂,掌人向上,举至肩膀高度,并耸耸肩 明白——手臂向身旁伸出,手肘屈曲,手腕举至面颊高度并作握拳状,掌 心向着受讯者。 进入——紧闭指间,伸开手臂,横向身后摆动,像在拨开窗帘的动作。 成人——手臂向身旁伸出,手部抬起至肩膊高度,掌心向下。 人质——以手握着自己的颈项,寓意是被挟持的人质。 小孩——手臂向身旁伸出,手肘屈曲,掌心向下固定置于腰间。

特种部队手语图解版

特种部队常用手势图解

美国特种部队使用“手势语”简单明了、示意明确且不会引起误会。以下即是一些常见的“手势语”: 方向:以食指与中指合并,其余三指合握,两指指向的方位即所标示的方向。引导队友前进、观察、聆听、攻击与分散行进路线,都可用此手势表示。同样意思也可用四指并拢,拇指内扣表示,但此手势通常在大量人员移动时使用,若要示意迂回时,则以手腕与手臂的弯曲配合指向表示。

清除:军事任务中所指的清除含义众多,手势也是。如果清除的是前方哨兵,则是以手作刀砍颈或食指划过颈部表示;清除铁丝网则是以食指与中指作剪刀状;清除高塔上的敌人则是以食指与中指合并指于另一手的手掌下方,与球赛中的暂停 手势类似:清除地(诡)雷并开路,则以双手手掌向外划出,像游泳时的动作。 掩护:在接战中,自己要移动位置并请求队友提供掩护与火力压制时的手势有二种。其一为低势掩护,即移动将以低姿态(爬、伏)进行时,以左手握拳,右手出掌盖于左拳上示意;若以右手出掌覆于头部,则表示将以高姿态(冲刺、跳出掩体或壕沟)或是多人战术移位的方式进行移动。 停止:是前行的尖兵对后续的主力部队最常用的手势。五指并拢,手掌直立,指尖朝上,示意部队停止前进;若是握拳则表示所有人停止动作;而若是手掌朝下则表示所有人须保持低姿势或立即蹲下。 截断:左手掌心朝上,右手呈刀状竖置于左掌上。当遭遇敌方小部队,要予以中途拦截、切断其后路或从后方切入包围时,都可以此手势示意。 **************************************************************** 1成人--------手臂向身旁伸出,手部抬起到胳膊高度,掌心向下。 2小孩--------手臂向身旁伸出,手肘弯曲,掌心向下固定放在腰间。 3女性嫌疑犯--掌心向着自己的胸膛,手指分开呈碗状,寓意是女性的胸部。 4人质--------用手卡住自己的脖子,寓意是被劫持的人质。 5指挥官------食指、中指、无名指并排伸直,横放在另一手臂上。 6.手枪--------伸直大拇指及食指,互成90度,呈手枪姿势。 7.自动武器------手指弯曲成抓状,在胸膛前上下扫动,像弹奏吉它一样。 8.霰弹枪--------发信号的是手持霰弹枪的队员,只需用食指指指自己的武器便可。

手语短句

手语生活日常用语新词汇 1)、你好!(你们好、大家好!) 2)、早上好、中午好、下午好、晚上好 3)、初次见面,请多关照。 4)、好久不见了!见到你很高兴,很高兴认识你 5)、您身体好吗?谢谢,我很好。 6)、请帮个忙,好吗?谢谢 7)、请快一点、请慢一点、请等一下 8)、对不起、没关系 9)、你是什么地方人?我是深圳人 10)、他们做什么工作?他们做义务工作 11)、你听到什么消息?(有什么消息吗?) 12)、我不介意。(你介意吗?) 13)、有什么事? 14)、可能,不可能 15)、你说的话是什么意思? 16)、那是什么意思? 17)、怎么,请你再说一遍,好吗? 18)、你怎么这样说? 19)、你以为是这样吗?20)、有什么不对? 21)、你的家乡在什么地方? 22)、我很高兴能在这儿见到你。 23)、比以前好多了。 24)、无论什么方法都行。 25)、别错过机会。 26)、一点儿也不是。 27)、我可以采访你吗? 28)、我可以离开这儿吗? 29)、我要去买点东西。 30)、你能够完成吗?(我希望能够完成) 31)、明天什么时候回学校? 32)、早上七点,我在火车站等你。 33)、恭喜你了。 34)、我家里的人很好,谢谢。 35)、请你八点钟到我家来。 36)、好,我一定来,你住处在哪里? 37)、我还有约会,九点半可以吗? 38)、你什么时候动身? 39)、你马上就去,我马上就来 40)、你很聪明 41)、你忙吗?(忙)(一点也不忙) 42)、今天真热啊!有开风扇吗?今天真冷啊!有暖气 吗?你衣服够吗? 43)、我和你一起去好吗? 44)、你觉得我这衣服怎么样? 45)、我希望能参加你的生日会,欢迎吗? 46)、我从来没有见过这样美丽的风景。 47)、你有杨灿亮的消息吗? 48)、有!我上周接过他的一封信。 49)、你同意我的想法吗? 50)、对了,我也这样想。 51)、对不起,我想请教你一件事情。 52)、啊,好象快要下雨了,是不是? 53)、我想不会 54)、是,有点象要下雨了。 55)、这封信请你明天早上寄出去。 56)、到那里后,请给我来信。

相关主题
相关文档 最新文档