شناسایی زبان اشاره با استفاده از استخراج ویژگی بر پایه تبدیل موجک و تصاویر عمقی
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,313
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_227
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
زبان اشاره متداول ترین روش برقراری ارتباط بین افراد ناشنوا می باشد. اما تشخیص زبان اشاره توسط رایانه جهت کاربردهای مختلف هنوز یک چالش محسوب می شود. یکی از مهمترین مشکلات در این حوزه قطعه بندی دست، به خصوص در پس زمینه های پیچیده است که استفاده از تصاویر عمقی می توان این مشکل را مرتفع نمود. در این مقاله روشی جهت تشخیص حروف الفبای زبان اشاره فارسی بر مبنای قطعه بندی عمقی دست از طریق سنسور کینکت و با استفاده از استخراج ویژگی بر پایه تبدیل موجک ارائه شده است. پایگاه داده شامل 12000 نمونه حروف زبان اشاره می باشد. که شامل 24 حرف زبان اشاره که از اجرای 5 نفر و به ازای هر نفر 100 نمونه مختلف اجرا از یک حرف ثبت شده است. و پس از اعمال تبدیل موجک دو بعدی تا 3 سطح جهت استخراج ویژگی از تصاویر پایگاه داده، با استفاده از دسته بند بیز داده ها را کلاس بندی می نماییم. نتایج آزمایشات نشان می دهد که روش پیشنهادی توانسته است 24 حرف زبان اشاره را با دقت 87.96 % دسته بندی نماید. این روش در مقایسه با کارهای قبلی درصد تشخیص بالاتری به دست آورده است
کلیدواژه ها:
نویسندگان
زهرا فروتن جهرمی
دانشگاه صنعتی شاهرود، دانشکده مهندسی کامپیوتر و فناوری اطلاعات
حمید حسن پور
دانشگاه صنعتی شاهرود، دانشکده مهندسی کامپیوتر و فناوری اطلاعات
علیرضا مانشتی
دانشگاه صنعتی شاهرود، دانشکده مهندسی کامپیوتر و فناوری اطلاعات
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :