بررسی روشهای شناسایی اشارات دست مبتنی بر بینایی ماشین برای تعامل انشان با ماشین

انسانها روزانه در تعاملاتشان با همنوعان خود همواره سعی می کنند همزمان با جاری ساختن کلمات و واژه ها در زبان خویش ، با استفاده از اشارات و حرکات و نیز ایماء های ظاهری، مفهوم گفته ها و یا منظور از گفته هایشان را هر چه واضحتر به مخاطبانشان منتقل نموده و یا بیان نمایند. ماشینها و کامپیوترها با همه پیشرفتهای شگرفشان، هنوز قادر به شناسایی و درک دقیق از رفتار و اشارات انسان تا این حد که شاراه شد ندارند. استفاده از بینایی ماشین و پردازش تصویر به منظور درک اشارات و ایماء ها ، بخش وسیعی از این تحقیقات و کاربردها را به خود اختصاص داده است. مبحث شناسایی اشارات دست و یا سیستم های HCI نیز با مشکلات و چالش هایی روبرو هستند. یکی از مشکلات (جالش های) اصلی، تغییرات روشنایی، تغییرات زاویه دید کاربر با ماشین، مسئله ی پس زمینه و تغییرات آن ، مشکل تبدیل یا ترجمه می باشد. در این مقاله از نمونه دیتاست دانشگاه کمبریج برای مقایسه روشهای عمده شناسایی اشارات دست استفاده شده است که نتایج بدست آمده نشان می دهد که برای تقطیع روش آستانه گیری و فضای رنگ YcbCr و برای کلاس بندی مدل مخفی مارکوف HMM و شبکه های پیش انتشار و شبکه های عصبی نرخ بازشناسی بهتری دارد.

کلیدواژه ها:

اشارات دست ، بافت ، حذف پس زمینه ، ردگیری ، استخراج مشخصه ، کلاسبندی ، بازشناسی