تشخیص خودکار علایم سنگاپوری با استفاده از فیلتر گابور و شبکه عصبی

زبان اشاره به شکل اساسی در ارتباط با اختلال و مشکل در شنوایی است. شناسایی علایم اشاره در سیستم هایی که بتوانند قابلیت سهولت در حمل داشته و با دقت و سرعت خوبی عمل بازشناسی را انجام دهد بسیار دشوار است. در روش های بینایی در مواردی که تغییرات نور و مقیاس های علایم وجود دارد بازشناسی با مشکل مواجه می شود. این مقاله یک روش مبتنی بر استفاده از رنگ و بافت برای تشخیص حروف انتخابی از زبان اشاره سنگاپوری پیشنهاد می کند. در روش ارایه شده ابتدا تصاویر رنگی به فرمت Ycbcr تبدیل می شود و سپس شکل دست از طریق رنگ پوست شناسایی شده و توسط فیلتر گابور ویژگی های مفید آن استخراج می گردد. در نهایت این ویژگی ها توسط یک پرسپترون چند لایه ، شبکه عصبی برای طبقه بندی تصاویر انتخابی ، آموزش داده می شود. این روش پیاده سازی و توسط 240 نمونه از تصاویر حروف اشاره سنگاپوری آزمایش شده است. نتایج حاصل نشان می دهد که روش پیشنهادی توانایی طبقه بندی حروف انتخابی زبان اشاره سنگاپوری را با دقت 92٫91 درصد وقتی که شبکه با جعبه ابزار شبکه عصبی متلب آموزش داده می شود دارد.

کلیدواژه ها:

استخراج ویژگی ، فیلتر گابور ، شبکه عصبی ، زبان اشاره سنگاپوری