| بازشناسی کلمات پویای مجزای زبان اشارۀ فارسی با استفاده از حسگر کینکت |
| Paper ID : 1116-MVIP2020 |
| Authors: |
|
Athareh Taheri *, Manouchehr Nahvi none,none |
| Abstract: |
| در این مقاله روشی برای بازشناسی زبان اشارۀ فارسی با استفاده از اطلاعات اسکلتی و فریم های عمق بدست آمده از حسگر کینکت ارائه می شود. ویژگی های استخراج شده شامل ویژگی های مربوط به نوع حرکت دست و ویژگی های مربوط به شکل دست می باشند. ابتدا با استفاده از مدل مخفی مارکوف (HMM)، اشاراتی که ویژگی های حرکتی مشابه با اشارۀ آزمون دارند انتخاب و سپس در مرحلۀ بعد ازمیان اشارات انتخاب شده و با استفاده از طبقه بند ماشین بردار پشتیبان (SVM)، اشاره ای که از لحاظ شکل دست به اشارۀ آزمون مشابه تر است انتخاب می گردد. در روش ارائه شده محدودیت های ناشی از هم پوشانی دو دست و هم پوشانی دست و صورت برطرف شده، و نیازی به اعمال محدودیت هایی نظیر پوشیدن لباس آستین بلند ، پوشیدن لباس با رنگ متفاوت با پوست، پس زمینۀ ثابت و متفاوت با رنگ پوست و ثابت بودن روشنایی محیط نیست. استفاده از روش ارائه شده در شرایط طبیعی و بدون اعمال محدودیت نشان می دهد که این روش قادر است با دقت متوسط 97.375% ، کلمات پویای مجزای زبان اشارۀ فارسی را در پایگاه داده ای متشکل از سی کلمۀ پویا طبقه بندی نماید. |
| Keywords: |
| حسگر حرکتی کینکت، زبان اشارۀ فارسی، ماشین بردار پشتیبان (SVM) ، مدل مخفی مارکوف (HMM) ، همپوشانی (occlusion). close |
| Status : Paper Accepted (Oral Presentation) |
