مقالات پذیرفته شده                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


1- دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (438 مشاهده)
پس از ارائه دستگاه کینکت،  محصول شرکت مایکروسافت گزارشهای بسیاری از کاربرد این دستگاه در تشخیص حالت دست و انگشتان منتشر شده­است. در بیشتر این کاربرد ها اطلاعات ژرفا تنها برای جداسازی تصویر دست از پس زمینه استفاده شده و پردازش اصلی بر روی تصاویر ویدیویی و در فضای دو بعدی انجام شده­است. در این مقاله روشی ارائه می­شود که اطلاعات ژرفا نقش پر رنگ تری در پردارش دارند. با کمک روش آستانه گذاری مبتنی بر ژرفا، ابتدا قالب دست شخص در فضای سه بعدی استخراج می­شود. سپس در فضای سه بعدی، راستای عمود برکف دست پیدا شده و با استفاده از ماتریسهای دوران و انتقال، این راستا با راستای دوربین همسو می­شود. به این ترتیب دورانهای دست حول محورهای پیچ و یاو از تصویر حذف شده و با استفاده از ماتریس انتقال، تصویر دست در فاصله مشخصی از دوربین  قرار می­گیرد. در مرحله بعد، از دو ابزار تبدیل موجک و یک توصیفگر جدید به نام توصیفگر دایروی که در این سیستم معرفی شده­است برای استخراج ویژگی ها استفاده می­شود. یک شبکه های عصبی، غربالگری اولیه را در ویژگی های استخراج شده توسط تبدیل موجک انجام داده و سپس توصیفگر دایروی با استفاده از ماشین بردار پشتیبان بازشناسی حرف موردنظر را به اتمام می­رساند. در آزمایشهای عملی با کمک اطلاعات برخط سنسور کینکت  دقت شناسایی حروف الفبای فارسی %7/96 و تاخیر 2 ثانیه برای هر علامت بدست آمده­است.

 
     
نوع مطالعه: كاربردي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۷/۶/۱۰ | پذیرش: ۱۳۹۷/۹/۱۰

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله کنترل می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Journal of Control

Designed & Developed by : Yektaweb