این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۳، شماره ۲، صفحات ۱۳-۲۲
عنوان فارسی تشخیص حرکات دست برای تعامل انسان و رایانه با استفاده از کدگذاری خط سیر حرکت و شبکه عصبی مصنوعی
چکیده فارسی مقاله حرکات دست انسان حالتی از تعامل غیرکلامی است که در ارتباط بین انسان و رایانه مورد استفاده قرار می‌گیرد. شهودی و طبیعی بودن حرکات دست مهمترین عامل ایجاد انگیزه در محققان است که دست‌ها را برای بهبود تعامل بین انسان و رایانه مورد استفاده قرار دهند. در این مقاله جهت تشخیص حرکت دست، با استفاده از اختلاف فریم ‌ها، دست به عنوان تنها شی متحرک در تصاویر جدا شده است. پس از آن، بردار ویژگی حرکت دست استخراج شده است. این بردار ویژگی به عنوان ورودی شبکه عصبی مصنوعی جهت طبقه‌ بندی حرکات انتقالی دست استفاده شده است. برای استخراج بردار ویژگی دو روش ارائه شده است. بردار ویژگی اول حاصل از کدگذاری خط سیر انتهایی‌ ترین پیکسل دست در طی فریم‌ ها است. بردار ویژگی دوم، از دو هیستوگرام زاویه‌ ای برای کدگذاری دست استفاده می‌کند. شناسایی شش حرکت مختلف دست در داده‌ های آزمایشی با نرخ بازشناسی 95/54 درصد با استفاده از بردار ویژگی اول و تشخیص این حرکات با نرخ بازشناسی 95/53 توسط بردار ویژگی دوم، کارایی بردارهای ویژگی پیشنهادی در تشخیص حرکات دست را نشان می‌ دهد. همچنین مقایسه‌ ی بردارهای ویژگی پیشنهادی با بردار ویژگی یک روش متداول، برتری روش‌ های پیشنهادی را از نظر دقت، تعداد ویژگی‌ها و زمان آموزش طبقه‌ بند نشان می‌ دهد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Hand gesture recognition for human computer interaction using motion trajectory coding and artificial neural network
چکیده انگلیسی مقاله Human hand movements are used in the non-verbal interaction between human and computers. Intuitive and natural hand movements is the most important factor motivating researchers to use the hands to improve the human-computerinteraction. In this paper, for hand gesture recognition, hand as the only moving object in the video is detectedusing the difference between frames. After that, hand movement feature vector is extracted. This vector is used to detect hand gesture using artificial neural network. Two methods are proposed for feature-vector extraction. The first method codes themotion trajectory of the final hand pixel in the frames. The second method uses two angle histograms. Identifying six different gestures with recognition rate of 95.54 percent using the first method and 91.53 percent using the second method, shows the efficiency of the proposed system. Also, the comparison between the proposed feature vectors with a conventional method shows the superiority of theproposed methods in terms of accuracy, the number of features, and classifier training time.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فرزانه آزادی پور قهستانی | azadi pour ghahestani
دانشکده برق وکامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

عصمت راشدی |
دانشکده برق وکامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

نشانی اینترنتی http://jmvip.sinaweb.net/article_16712_add4786a3acc40b2957dbdfa44787f12.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-314210.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات