Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Recognition of Alphabetical Hand Gestures Using Hidden Markov Model Pengecaman Gerak Isyarat Tangan Mengikut Abjad Menggunakan Model Markov Tersembunyi

Ho-Sub YOON, Jung SOH, Byung-Woo MIN, Hyun Seung YANG

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Penggunaan isyarat tangan menyediakan alternatif menarik kepada peranti antara muka yang menyusahkan untuk interaksi manusia-komputer (HCI). Khususnya, tafsiran visual gerak isyarat tangan boleh membantu mencapai pemahaman yang mudah dan semula jadi untuk HCI. Banyak kaedah untuk pengecaman isyarat tangan menggunakan analisis visual telah dicadangkan seperti analisis sintaksis, rangkaian saraf (NN), dan model Markov tersembunyi (HMM). Dalam penyelidikan kami, HMM dicadangkan untuk pengecaman isyarat tangan mengikut abjad. Dalam peringkat prapemprosesan, pendekatan yang dicadangkan terdiri daripada tiga prosedur berbeza untuk penyetempatan tangan, pengesanan tangan dan pengesanan isyarat. Prosedur lokasi tangan mengesan kawasan yang dicalonkan berdasarkan warna kulit dan gerakan dalam imej dengan menggunakan padanan histogram warna dan teknik perbezaan kelebihan masa. Algoritma penjejakan tangan mencari centroid bagi kawasan tangan yang bergerak, menyambungkan centroid tersebut dan menghasilkan trajektori. Algoritma pengesanan membahagikan trajektori kepada gerak isyarat yang nyata dan tidak bermakna. Dalam membina pangkalan data ciri, pendekatan yang dicadangkan menggunakan kod ciri ρ-φ-ν berwajaran, dan menggunakan k-bermaksud algoritma untuk buku kod HMM. Dalam percubaan kami, masing-masing 1,300 abjad dan 1,300 gerak isyarat tidak terlatih digunakan untuk latihan dan ujian. Keputusan eksperimen tersebut menunjukkan bahawa pendekatan yang dicadangkan menghasilkan kadar pengecaman yang lebih tinggi dan memuaskan untuk imej dengan saiz, bentuk dan sudut senget yang berbeza.

Jawatankuasa
IEICE TRANSACTIONS on Fundamentals Vol.E82-A No.7 pp.1358-1366
Tarikh penerbitan
1999/07/25
Diumumkan
ISSN dalam talian
DOI
Jenis Manuskrip
PAPER
kategori
Rangkaian Neural

Pengarang

Kata kunci

Contents [show]