تشخیص زبان اشاره ی فارسی و حرکات دست توسط تجزیه ی سیگنال های الکترومایوگرام سطحی و اینرسی با تبدیل موجک تجربی

در سال های اخیر ساخت ابزارهایی که بتواند دشواری ارتباط میان افراد ناشنوا و عموم جامعه را آسان کرده و زبان اشاره را ترجمه کند مورد توجه پژوهش گران قرار گرفته است. با این حال مشکلاتی مانند پایین بودن صحت و سرعت محاسبات و هزینه ی زیاد ابزار مانع تجاری سازی تحقیقات شده ­است. دیگر چالش موجود در ساخت ابزار کاربردی، لزوم عمل کرد خوب روش ها در دیدگاه آموزش به روش کنار گذاشتن یک نفر یا به بیانی دیگر در طبقه بندی داده های یک فرد جدید است. از این رو در این مقاله روشی کارآمد برای تشخیص حرکات دست با هدف ترجمه ی زبان اشاره ارائه شده است تا ضمن به کارگیری روشی با ابعاد کم، عمل کرد بهتری در انواع روش های آموزش به دست آید. در روش پیشنهادی، ویژگی های مقدار میانگین قدر مطلق، واریانس، ریشه ی میانگین مربعات، طول شکل موج، کشیدگی و چولگی از تبدیل موجک تجربی سیگنال های الکترومایوگرام و اینرسی استخراج گردیده است. سپس با روش ReliefF ویژگی های موثر انتخاب شده و برای طبقه بندی حرکات دست از ماشین بردار پشتیبان با هسته ی تابع پایه ی شعاعی استفاده شده است. درصدهای صحت روش پیشنهادی روی پایگاه داده­ی PSL و مجموعه های DB۲، DB۳، DB۵ و DB۷ از پایگاه داده ی نیناپرو به ترتیب در دیدگاه کلمه-فرد برابر ۳۱/۹۹%، ۱۱/۹۷%، ۵۸/۹۶%، ۱۲/۹۶% و ۳۲/۹۷%، در دیدگاه کلمه-همه ی افراد برابر ۷۸/۹۹%، ۲۲/۹۷%، ۴۶/۹۵%، ۲۳/۹۷% و ۷۲/۹۷% و در دیدگاه کنار گذاشتن یک فرد برابر ۴۳/۹۷%، ۶۸/۹۴%، ۶۶/۸۹%، ۵۵/۹۱% و ۸۱/۹۴% به دست آمده است.

کلیدواژه ها:

زبان اشاره ی فارسی ، حرکات دست ، تبدیلات زمان-فرکانس ، تبدیل موجک تجربی ، انتخاب ویژگی ، کنار گذاشتن یک فرد