تشخیص حالت و ردیابی لحظه ای دست برای تعامل انسان کامپیوتر

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

تشخیص حالت و ردیابی لحظه ای دست برای تعامل انسان کامپیوتر

عنوان لاتین

Real – Time Hand Tracking and Gesture Recognition for Human Computer Interaction

مقاله ی پیشنهادی بخشی از پروژه ای است که هدفش کنترل بازی ویدیویی براساس تشخیص حالت دست می باشد. این هدف به معنی منع پاسخ لحظه ای و محیط های بدون محدودیت می باشد. در این مقاله یک الگوریتم لحظه ای برای ردیابی و تشخیص حالت های دست برای تعامل با بازی ویدیویی ارائه می دهیم. این الگوریتم براساس سه مرحله ی اصلی می باشد: جدا کردن بخش دست، ردیابی دست و تشخیص حالت با توجه به ویژگی های دست. برای مرحله ی جداکردن بخش دست ما به خاطر رنگ ویژه ی پوست انسان، ویژگی های ثابت آن و سادگی محاسباتی آن، از پیام رنگی استفاده می کنیم. برای جلوگیری از خطاهای مربوط به جداسازی بخش دست ما یک مرحله ی دیگر به نام ردیابی دست اضافه می کنیم. ردیابی با فرض بر یک مدل سرعت ثابت و با استفاده از رویکرد برچسب زنی پیکسلی انجام می پذیرد. با توجه به فرآیند ردیابی، ما چندین ویژگی دست را استخراج می کنیم، این ویژگی ها به دسته بندی کننده ی حالت-محدود که پیکربندی دست را شناسایی می کند، وارد می شوند. دست می تواند به یکی از چهار دسته ی حالت و یا یکی از چهار دسته ی جهت گیری مختلف حرکتی دسته بندی شود. در نهایت با استفاده از نتایج ارزیابی عملکرد، ما قابلیت استفاده از الگوریتم در محیط بازی ویدیویی را نشان می دهیم.

The proposed work is part of a project that aims for the control of a videogame based on hand gesture recognition. This goal implies the restriction of real-time response and unconstrained environments. In this paper we present a real-time algorithm to track and recognise hand gestures for interacting with the videogame. This algorithm is based on three main steps: hand segmentation, hand tracking and gesture recognition from hand features. For the hand segmentation step we use the colour cue due to the characteristic colour values of human skin, its invariant properties and its computational simplicity. To prevent errors from hand segmentation we add a second step, hand tracking. Tracking is performed assuming a constant velocity model and using a pixel labeling approach. From the tracking process we extract several hand features that are fed to a finite state classifier which identifies the hand configuration. The hand can be classified into one of the four gesture classes or one of the four different movement directions. Finally, using the system’s performance evaluation results we show the usability of the algorithm in a videogame environment.