| چکیده |
تشخیص الفبای فارسی ناشنوایان در ویدیو، شامل بازشناسی حرکات دست یا صورت افراد در زنجیره ای از تصاویر ویدیویی با توجه به نوع الفبای استفاده شده توسط ناشنوایان، شامل الفبای ایستا یا الفبای پویا میباشد. بر این اساس، در سیستم مطرح شده در این پایان نامه، روشی نوین جهت بازشناسی الفبای ایستای فارسی ناشنوایان که مبتنی بر حرکات یک دست میباشد، ارائه داده شده است. در این روش از دستگاه کینکت مایکروسافت برای فیلمبرداری و استخراج تصاویر عمقی استفاده شده و در ابتدا با استفاده از روشهای آستانه گذاری مبتنی بر عمق، قالب دست شخص استخراج میشود. پس از آن ضرایب نرمال سازی دست جهت مقاومت در تغییر اندازهها و فواصل نسبت به دوربین محاسبه شده و در مرحله بعد، از دو ابزار تبدیل موجک و یک توصیفگر جدید به نام توصیفگر دایروی که در این سیستم معرفی شده است ویژگی های لازم را استخراج نموده و با استفاده از شبکه های عصبی در مرحله ی اول بر اساس ویژگیهای استخراج شده توسط تبدیل موجک، غربال گیری اولیه را روی حرفها انجام میدهیم. در پایان، بر اساس ویژگیهای استخراج شده توسط توصیفگر دایروی، بازشناسی حرف موردنظر را، روی حرفهای پیشنهادی از خروجی شبکه های عصبی، با استفاده از ماشینهای بردار پشتیبان به عمل میرسانیم. فاصله ی شخص نسبت به دوربین در سیستم موردنظر، بین 80 تا 130 سانتیمتر بوده و سیستم معرفی شده توانسته است که سیزده حرف از الفبای فارسی را با دقتی معادل %96.7 بازشناسی نماید.
|
