راهكاري ساده و مؤثر براي تشخیص حروف الفبای فارسی در زبان اشاره حرکات انگشتان
الموضوعات :محمدجواد برزگر سخویدی 1 , احمدرضا شرافت 2
1 - دانشگاه تربیت مدرس
2 - دانشگاه تربیت مدرس
الکلمات المفتاحية: آشکارسازی پوست املای انگشتی فارسی تشخیص زبان اشاره شبكه عصبي نزدیکترین همسایه,
ملخص المقالة :
در سالهای اخیر، تشخیص حرکات اشاره (زبان اشاره) مورد توجه پژوهشگران قرار گرفته است. زبان اشاره، ترکیبی از حالات دست، حرکات دست و حالات چهره است. املای انگشتی، یک نمایش برای حروف الفبای کلماتی است که در لغتنامه زبان وجود ندارد. در این مقاله یک سامانه املای انگشتی برای تشخیص حروف الفبای فارسی ارائه شده که در آن برای هر حرف الفبا یک شکل دست در نظر گرفته شده است. این سامانه شامل پنج مرحله است: اول، جمعآوری داده تصویری؛ دوم، پیشپردازش؛ سوم، استخراج و آشکارسازی ویژگیهای شکل دست؛ چهارم، کاهش اندازه بردار ویژگی و پنجم، پیادهسازی تشخیص با استفاده از سه روش نزدیکترین همسایه (معيار فاصله اقليدسي و معيار فاصله اقليدسي نرماليزه) و شبكه عصبي. در این مقاله از تبدیل کسینوسی گسسته (DCT) برای کاهش اندازه بردار ویژگی استفاده شده است که نسبت به روشهای موجود، نظیر تبدیل فوریه گسسته و ضرايب توصيفگر فوريه عملکردی بهتر دارد. نتایج پیادهسازی با شبكه عصبي، دقت تشخیص حروف الفبا را 1/99% نشان داده است که نسبت به عملكرد سامانههاي موجود بهبود یافته است.
[1] M. Shimada, S. Iwasaki, and T. Asakura, "Finger spelling recognition using neural network with pattern recognition model," in Proc. SICE Annual Conf., vol. 3, pp. 2458-2463, Fukui, Japan, 4-6 Aug. 2003.
[2] P. Dreuw, Appearance - Based Gesture Recognition, Ph.D. Thesis, Faculty of Engineering and Science, RWTH Aachen University of Technology, Aachen, Germany, 2005.
[3] C. M. Glenn, D. Mandloi, K. Sarella, and M. Lonon, "An image processing technique for the translation of ASL finger-spelling to digital audio and text," in Proc. Int. Symp. National Technical Institute for the Deaf, pp. 1-7, Rochester, New York, Jun. 2005.
[4] M. Jerome, K. Pierre, and R. Foulds, "American sign language finger spelling recognition system," in Proc. IEEE 29th Annual Northeast Bioengineering Conf., pp. 285-286, 22-23 Mar. 2003.
[5] X. Yin and M. Xie, "Finger identification and hand posture recognition for human - robot interaction," Image and Vision Computing, vol. 25, no. 8, pp. 1291-1300, Aug. 2007.
[6] T. Starner and A. Pentland, "Real-time American sign language recognition from video using hidden Markov models," in Proc. Int. Symposium on Computer Vision, pp. 265-270, Florida, US, 21-23 Nov. 1995.
[7] T. Starner and A. Pentland, "Visual recognition of American sign language using hidden Markov models," in Proc. of the Int. Workshop on Automatic Face and Gesture Recognition, pp. 189-194, Zurich, Switzerland, 26-28 Jun. 1995.
[8] A. Licsar and T. Sziranyi, "Supervised training based hand gesture recognition system," in Proc. IEEE 16th Pattern Recognition Conf., Quebec, Canada, vol. 3, pp. 999-1002, 11-15 Aug. 2002.
[9] S. Funck, Video-Based Handsign Recognition for Intuitive Human Computer Interaction, Lecture Notes in Computer Science, Berlin/Heidelberg: Springer, vol. 2449, 2002.
[10] J. H. Shin, et al., "Hand region extraction and gesture recognition using entropy analysis," Int. J. of Computer Science and Network Security, vol. 6, no. 2, pp. 216-222, Feb. 2006.
[11] E. Sunchez-Nielsen, L. Anton-Canalis, and M. Hernandez-Tejera, "Hand gesture recognition for human-machine interaction," J. of WSGC 2004, vol. 12, no. 1-2, pp. 395-402, Feb. 2003.
[12] W. Ruckelidge, "Efficient Visual Recognition Using the Hausdorff Distance," Lecture Notes in Computer Science, Berlin / Heidelberg: Springer, vol. 1173, 1996.
[13] H. Jag, J. H. Do, J. Jung, K. H. Park, and Z. Bien, "View invariant hand posture recognition method for soft-remocon-system," in Proc. IEEE Int. Conf. on Intelligent Robots and Systems, vol. 1, pp. 295-300, Sendai, Japan, 28 Sep.-2 Oct. 2004.
[14] G. Strang, "The discrete cosine transform," Society for Industrial and Applied Mathematical, vol. 41, no. 1, pp. 135-147, Mar. 1999.
[15] D. Zhang and G. Lu, "Study and evaluation of different Fourier methods for image retrieval," Image and Vision Computing, vol. 23, no. 1, pp. 33-49, 1 Jan. 2004.