بازشناسی علائم زبان ایما و اشاره در تصاویر دست برای ایجاد ارتباط با ناشنوایان
General Material Designation
[پایاننامه]
First Statement of Responsibility
/ژیلا موسویان
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
دانشگاه صنعتی سهند
Date of Publication, Distribution, etc.
، ۱۳۹۱
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۰۶ ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
INTERNAL BIBLIOGRAPHIES/INDEXES NOTE
Text of Note
کتابنامه در آخر پایان نامه
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
مهندسی برق
Body granting the degree
دانشگاه صنعتی سهند
SUMMARY OR ABSTRACT
Text of Note
بازشناسی علامتهای زبان اشاره، یک زمینهی تحقیقاتی جدید در علم بینایی کامپیوتر میباشد .از آنجایی که یکی از روشهای ابتدایی برقراری ارتباط بین ناشنوایان استفاده از علامتهای متناظر با حروف الفبا برای بیان کلمات میباشد، بازشناسی الفبای زبان اشاره، از اهمیت بخصوصی برخوردار میباشد .در این پایاننامه، یک سیستم برای بازشناسی حروف الفبای زبان اشاره فارسی پیشنهاد شده است .این سیستم دارای سه مرحلهی :پیش پردازش، استخراج ویژگی و بازشناسی میباشد .از آنجایی که تصاویر تهیه شده از افراد مختلف برای علامتهای یکسان نیز با هم تفاوتهایی دارند، بنابراین قبل از مرحلهی استخراج ویژگی، تصاویر در مرحلهی پیش پردازش آماده میشوند .برای آماده کردن تصاویر در این مرحله، با استفاده از تحلیل مؤلفهی اصلی(PCA) ، جهت اصلی دست را در تصاویر بدست میآوریم، سپس تصاویر را در این جهت میچرخانیم .به این ترتیب، تفاوتهای جزئی که در بین تصاویر متعلق به یک علامت وجود دارد، تا حدود زیادی از بین میرود .علاوه بر آن در مرحلهی آمادهسازی تصاویر، ناحیهی مربوط به دست در تصاویر، بریده میشوند و به یک مقدار ثابت تغییر اندازه داده میشوند .به این ترتیب تفاوتهای ناشی از اندازهی دست در افراد مختلف و فاصلهی علامتدهندهها از دوربین نیز تا حدود زیادی از بین میرود .در مرحلهی استخراج ویژگی دو الگوریتم برای توصیف حالتهای مختلف دست پیشنهاد شده است .الگوریتم اول شامل سه روش استخراج ویژگی میباشد که با استفاده از اطلاعات مبتنی بر منحنی پیرامونی دست به توصیف شکل دست در علامتهای مختلف میپردازد .الگوریتم دوم نیز با استفاده از یک مجموعه ویژگی مبتنی بر اندازه و جهت گرادیان در هر پیکسل از تصویر، به توصیف تصاویر دست در علامتها میپردازد .ابعاد فضای ویژگی استخراجشده در الگوریتم دوم اندکی بزرگ میباشد، بنابراین قبل از مرحلهی بازشناسی در الگوریتم دوم، به منظور کاهش فضای ذخیرهسازی و افزایش دقت بازشناسی، از PCA برای کاهش بعد استفاده میشود .مرحلهی سوم، بازشناسی علامتها با استفاده از بردارهای ویژگی استخراجشده از تصاویر میباشد .در این مرحله بردارهای ویژگی برای طبقهبندی به دو کلاسبند K نزدیکترین همسایه(KNN) و ماشین بردار پشتیبان(SVM) اعمال میشوند .نرخ بازشناسی برای الگوریتم اول، با استفاده از کلاسبندهای SVM و KNN به ترتیب ۳۶/۹۸ و ۱۷/۹۸ و برای الگوریتم دوم، با استفاده از کلاسبندهای SVM و KNN به ترتیب ۲۲/۹۹ و ۰۶/۹۹ میباشد .عملکرد رضایت بخش سیستم پیشنهادی، با استفاده از هر دو الگوریتم مؤید این مطلب میباشد که ویژگیهای استخراجشده در هر دو الگوریتم قدرت خوبی در توصیف حالتهای مختلف دست دارند.
UNCONTROLLED SUBJECT TERMS
Subject Term
استخراج ویژگی
Subject Term
بازشناسی
Subject Term
پیش پردازش
Subject Term
تحلیل مولفهای اصلی
Subject Term
کاهش بعد
Subject Term
ماشین بردار پشتیبان
Subject Term
K نزدیکترین همسایه
PERSONAL NAME - PRIMARY RESPONSIBILITY
موسویان، ژیلا
PERSONAL NAME - SECONDARY RESPONSIBILITY
ابراهیمنژاد، حسین، استاد راهنما
صداقی، محمدحسین، استاد مشاور
ORIGINATING SOURCE
Country
ایران
Date of Transaction
20230806
LOCATION AND CALL NUMBER
Call Number
برق،۱۰۱۵۵،۱۳۹۱
ELECTRONIC LOCATION AND ACCESS
Host name
نایاونشان اب طابترا داجیا یارب تسد ریواصت رد هراشا و امیا نابز مئلاع یسانشزاب.pdf