بازشناسی علامت های ساکن زبان اشاره ی فارسی با استفاده از یک توصیف گر شکلی جدید

در این مقاله یک سیستم برای بازشناسی علامت های ساکن زبان اشاره ی فارسی پیشنهاد شده است. این سیستم بر مبنای یک ویژگی شکلی جدید طراحی شده و قادر است با نرخ تشخیص بالایی، علامت های ساکن الفبای زبان اشاره ی فارسی را به طور خودکار بازشناسی کند. در اینسیستم، ابتدا با استفاده از آنالیز مولفه ی اصلی (PCA)، جهت های غالب دست را بدست می آوریم و تصاویر را در جهت غالب دست، به نحوی که سیستم مختصات جدید تصویر بر راستای جهت های غالب دست منطبق شود، می چرخانیم. سپس یک ویژگی در ارتباط با انواع شکل دست در این مقاله پیشنهاد می شود و این ویژگی بر روی تصاویر تنظیم شده اعمال می شود. در مرحله ی استخراج ویژگی،ابتدا مرکز ثقل شکل دست و منحنی پیرامونی آن را در هر تصویر بدستمی آوریم و از منحنی پیرامونی بدست آمده در هر علامت،نمونه برداری می کنیم. سپس برای بدست آوردن اطلاعات شکلی مناسب از حالت دست،دوایری به مرکز نقطه وسط بین مرکز ثقل شکل دست و نقاط نمونه برداری شده و به شعاع نصف فاصله ی بین نقاط ذکر شده برازش می دهیم. از این دوایر،اطلاعاتی از شکل دست به عنوان بردار ویژگی برای هر علامتتهیه می شود. برای بازشناسی علامت ها با قابلیت اطمینان بالا، یک سیستم ترکیبی از دو کلاس بند ماشین بردار پشتیبان (SVM) و K نزدیکترین همسایه  (KNN) را پیشنهاد می کنیم. نرخ بازشناسی و قابلیت اطمینان سیستم پیشنهادی بر روی مجموعه ی آزمایشی پایگاه داده PSLبه ترتیب ۳۳/۹۳% و ۷۳/۹۸% می باشد که موید این مطلب است که عملکرد سیستم پیشنهادیتا حدود زیادی رضایت بخش و مطلوب می باشد.

کلیدواژه ها:

آنالیز مولفه ی اصلی ، بازشناسی ، زبان اشاره ، ماشین بردار پشتیبان ، نزدیکترین همسایه ، نمونه برداری