| چکیده |
ناشنوایان برای ارتباط با دیگران از زبان اشاره استفاده می‌کنند. فهم این زبان برای دیگران امری مشکل است و معمولاً نیاز به مترجم دارند. هدف این تحقیق طراحی و ساخت مترجم زبان اشاره فارسی است. داده عمق کینکت به نور محیط وابسته نیست، بنابراین ویژگی‌های استخراج شده از آن در محیط‌های مختلف تغییر ناپذیر می‌باشد. برای به دست آوردن یک سیستم پایدار در این تحقیق تنها از داده‌های عمق برای استخراج ویژگی استفاده گردیده است. در این پژوهش با استفاده از کینکت بیست و شش علامت از الفبای زبان اشاره فارسی تشخیص داده شده است. ابتدا با استفاده از داده‌های کینکت اسکلت بدن به دست آمده است. سپس زاویه بازوی دست راست نسبت به خط افق محاسبه شده و بر اساس این زاویه الفبای زبان اشاره به سه گروه تقسیم گردیده‌اند. آن‌گاه برای هر گروه یک پنجره مناسب که بتواند دست را از پس‌زمینه جدا کند در نظر گرفته شده و دست از سایر قسمت‌های بدن و پس زمینه جدا گردیده است. سپس در قسمت جدا شده نزدیک‌ترین نقطه به دوربین را محاسبه کرده، و نقاطی که در فاصله دورتر از یک مقدار مشخص از آن نقطه قرار دارند، حذف گردیده‌اند. مقدار آستانه برای حذف عمق برای هر دسته به صورت متفاوت تعیین شده است تا بهترین جداسازی انجام گیرد. سپس برای حذف اغتشاش، بزرگ‌ترین قطعه متصل در تصویر پیدا شده و مابقی نقاط حذف گردیده‌اند. پس از جدا سازی دست از پس زمینه، فیلتر گابور در 6 جهت و 5 مقیاس بر روی تصویر دست اعمال شده است. بدین ترتیب 30 تصویر به دست می‌آید که انرژی و میانگین هر کدام محاسبه می‌گردد. پس از این مرحله الگوریتم کاهش بعد LDA را بر روی این ویژگی‌ها اعمال می‌کنیم. برای دسته بندی از ماشین‌های بردار پشتیبان و دسته بند بیز استفاده شده است. برای آزمایش روش پیشنهادی پایگاه داده‌ای به کمک 20 نفر تهیه شده است. دقت به دست آمده برای هر گروه بیش از 91 درصد می‌باشد. برای مقایسه بهتر دقت روش پیشنهادی برای استخراج ویژگی، این روش بر روی پایگاه داده‌ای از زبان اشاره آمریکایی آزمایش گردیده است. دقت به دست آمده بر روی این پایگاه داده بیش از 82 درصد بوده است که از نتایجی که تاکنون بر روی این پایگاه داده گزارش شده، بهتر می‌باشد.
|
