شناسایی زبان اشاره با استفاده از استخراج ویژگی بر پایه تبدیل موجک و تصاویر عمقی

زبان اشاره متداول ترین روش برقراری ارتباط بین افراد ناشنوا می باشد. اما تشخیص زبان اشاره توسط رایانه جهت کاربردهای مختلف هنوز یک چالش محسوب می شود. یکی از مهمترین مشکلات در این حوزه قطعه بندی دست، به خصوص در پس زمینه های پیچیده است که استفاده از تصاویر عمقی می توان این مشکل را مرتفع نمود. در این مقاله روشی جهت تشخیص حروف الفبای زبان اشاره فارسی بر مبنای قطعه بندی عمقی دست از طریق سنسور کینکت و با استفاده از استخراج ویژگی بر پایه تبدیل موجک ارائه شده است. پایگاه داده شامل 12000 نمونه حروف زبان اشاره می باشد. که شامل 24 حرف زبان اشاره که از اجرای 5 نفر و به ازای هر نفر 100 نمونه مختلف اجرا از یک حرف ثبت شده است. و پس از اعمال تبدیل موجک دو بعدی تا 3 سطح جهت استخراج ویژگی از تصاویر پایگاه داده، با استفاده از دسته بند بیز داده ها را کلاس بندی می نماییم. نتایج آزمایشات نشان می دهد که روش پیشنهادی توانسته است 24 حرف زبان اشاره را با دقت 87.96 % دسته بندی نماید. این روش در مقایسه با کارهای قبلی درصد تشخیص بالاتری به دست آورده است

کلیدواژه ها:

تشخیص زبان اشاره ، تبدیل موجک دو بعدی ، تصاویر عمقی ، کینکت