یک روش مستقل از کاربر برای تشخیص زبان اشاره آمریکایی

شناسایی خودکار علائم اشاره برای افراد ناشنوا یا با استفاده از دستکش به همراه دستگاه های جانبی و یا با استفاده از بینائی ماشین انجام می شود. در روش دستکش نیاز به دستگاه جانبی و ارتباط آن با دستکش می باشد که این خود مشکلات در نگهداری و استفاده از آن را دشوار می کند. در روش بینائی فرد یا کاربر و همچنین شرایط محیطی از قبیل نور و چرخش از چالش های اساس در این زمینه می باشد. در این مقاله یک روش مبتنی بر لبه و بافت براساس فیلتر گابور در دو فاز پیشنهاد می شود : فاز اول شامل تغییر سایز تصاویر و استخراج ویژگی های مفید توسط فیلتر گابور، در جهت ها و مقیاس های متفاوت می باشد. در فاز دوم از ویژگی های استخراج شده جهت آموزش شبکه عصبی پرسپترون چند لایه استفاده می شود. این روش بر روی مجموعه داده حروف و اعداد آمریکایی که مستقل از کاربر بوده و از پنج شخص متفاوت عکس برداری شده است مورد آزمایش قرار گرفت. نتایج نهایی حاصل برای حروف آمریکایی 95.76% و اعداد آمریکا 97.2% بوده است. نتایج حاکی از دقت و عملکرد مناسب روش ارائه شده در مجموعه داده آمریکایی و در مقایسه با روش های متفاوت روز می باشد.

کلیدواژه ها:

استخراج ویژگی ، فیلتر گابور ، لبه های داخلی و خارجی ، شبکه عصبی ، زبان اشاره آمریکایی