بازشناسی حرکات دینامیک دست جهت ایجاد ارتباط بین انسان و کامپیوتر به صورت موس سه بعدی
نام عام مواد
[پایاننامه]
نام نخستين پديدآور
/بهنام ملکی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: دانشکده مهندسی برق
تاریخ نشرو بخش و غیره
، ۱۳۹۲
مشخصات ظاهری
نام خاص و کميت اثر
۱۶۳ ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
کتابنامه در آخر پایان نامه
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی برق
کسي که مدرک را اعطا کرده
دانشگاه صنعتی سهند
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
بازشناسی ژست دینامیک دست مبتنی بر بینایی ماشین به عنوان راهی کارآمد جهت ایجاد ارتباط انسان و کامپیوتر شناخته میشود که شبیهسازی موشواره با دست یکی از نمودهای آن است .در این پژوهش یک روش جدید برای بازشناسی ژست دینامیک دست و تفسیر آن بهعنوان کارکردهای مختلف موشواره ارائه شدهاست .برای این منظور از یک دستکش سفید که سرانگشتانش دارای پنج رنگ متفاوت است بهره گرفته شدهاست .بر اساس کارکردهای موشواره ۱۱ ژست دینامیک تعریف میشود .ردیابی دست در هر فریم، با استفاده از تکنیکهای شار اپتیکی وGMM ، انجام میشود و سپس منحنی خط سیر سرانگشتان براساس میانگین و واریانس صفحات RGB مربوط به رنگ های سرانگشتان یافت میشود .بهمنظور قویتر کردن اطلاعات کسب شده، برآیند حاصل از این پنج خطسیر را نیز میتوان محاسبه کرد .جهت استخراج اطلاعات از منحنیها، دو نوع توصیفگر استفاده شدهاست .در توصیفگر نوع اول از ایدهی زمینهی شکل الهام گرفته شده که ابتدا هر خطسیر نرمالیزه و سپس هیستوگرام بردار منتج از منحنی نرمالیزه شده در یک نمودار لگاریتمی-قطبی محاسبه میشود .برای توصیفگر نوع دوم چهار زیر- توصیفگر جهتی، زاویهای، فاصلهی دوبهدو و فاصلهی نسبی معرفی میشود .برای زیر- توصیفگر جهتی، به جهت حرکت هر خطسیر کدی اختصاص داده میشود .برای زیر- توصیفگر زاویهای از خطسیر نرمالیزه شده، زاویههای خطوط حاصل از نقاط درونیابی شده نسبت به خط برازش شده( بر نقاط خطسیر) استخراج میشود .برای زیر- توصیفگر فاصلهی دوبهدو، فاصلهی نقاط درونیابی شده از هم محاسبه میشود .برای زیر توصیفگر نسبی نیز فاصلهی نسبی نقاط ابتدایی، میانی و انتهایی خطوطسیر بهصورت جداگانه در سه سطح بهدست میآید .با این توصیفگرها طول بردار ویژگی به ۸۰۷ میرسد .با استفاده از ۱۱ ژست دینامیک تعریف شده، پایگاهدادهای شامل ۲۲۰ مشاهده تشکیل و با استخراج ویژگیهای ذکر شده ماتریس آموزشی ایجاد میشود .در ادامه، با کمک روشهای کاهش بعد PCA و انتخاب ویژگی متوالی، ابعاد بردار ویژگی حتی به طول ۸ کاهش پیدا میکند و در عین حال نتایج چشمگیری نیز حاصل شد .برای آزمایش و ارزیابی، طبقهبندهای SVM ،LDA ، KNN و Naive Bayes بهکار گرفته شد و نتایج بهصورت مجزا با استفاده از هر نوع توصیفگر و ترکیب هر دو نوع توصیفگر بررسی شد؛ در طی این آزمایشها و در پی سنجش میزان خطای تعمیم، پس از اعمال تکنیک انتخاب ویژگی متوالی، نرخ بازشناسی صحیح تا ۹۹/۵۵ درصد توسط طبقهبند KNN با K=۱ به دستآمد
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
استخراج ویژگی از منحنی خط سیر
موضوع مستند نشده
موشواره ی مجازی
موضوع مستند نشده
طبقهبندی حالت و حرکت دست
موضوع مستند نشده
مبتنی بر بینایی
موضوع مستند نشده
ردیابی دست
موضوع مستند نشده
بازشناسی ژست دینامیک دست
موضوع مستند نشده
تعامل انسان و کامپیوتر
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )