تشخیص ژست دست استاتیک و دینامیک به طور آنی برای تعامل انسان کامپیوتر

قیمت: 42,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

تشخیص ژست دست استاتیک و دینامیک به طور آنی برای تعامل انسان کامپیوتر

عنوان لاتین

Real-time, Static and Dynamic Hand Gesture Recognition for Human-Computer Interaction

تشخیص ژست دست استاتیک و دینامیک به طور آنی به کاربران قابلیت تعامل طبیعی و ذاتی با کامپیوترها را می دهد. دست می تواند ارتباطات بسیار بیشتری نسبت به موس و ... برقرار کند، و این احتمالات بیشتری برای تعامل با کامپیوتر فراهم می کند. هدف از این مطالعه، طراحی، توسعه و تحقیق بر روی چارچوبی عملی برای تشخیص ژست آنی است که بتوان از آن در تعاملات انسان-کامپیوتر با هدف ایجاد سیستم نمونه برای کنترل ارائه پاورپوینت استفاده کرد. روش اتخاذ شده تشخیص موقعیت دست ها، شروع از نوک دست ها بعد از مطالعه مناطق مورد نظری است که در طول تشخیص حرکت و ردیابی متعاقب حفظ می شوند. نوک انگشت ها قابلیت تشخیص بالایی دارد، که این یک سیستم ردیابی قوی فرض می شود. با استفاده از تکنیک هایی همچون خصوصیاتی از تست سریع تشخیص گوشه جزء (FAST)، نوک ها سریعتر یافت می شود. دایره های ایجاد شده توسط الگوریتم برسنهام برای یافتن گوشه ها و همچنین مرکز کف دست استفاده شد. با استفاده از اطلاعات به دست آمده از این نتایج و یک شبکه عصبی تئوری رزونانس اقتباسی (ART)، ژست های ثابت با دقت 75 درصدی قابل طبقه بندی بودند. از سویی، ژست های دینامیک با استفاده از مسیر ایجاد شده توسط مرکز دست در زمانی محدود قابل تشخیص بودند. تصمیم های ساده اکتشافی برای تشخیص حرکت دست استفاده شد. این تحقیق یک نمونه از سیستم ردیابی دست و تشخیص ژست را ایجاد می کند که در کاربردهای فراوانی قابل استفاده است.

Real-time, static and dynamic hand gesture recognition affords users the ability to interact with computers in more natural and intuitive ways. The hand can be used to communicate much more information by itself compared to computer mice, joysticks, etc. allowing a greater number of possibilities for computer interaction. The purpose of this work was to design, develop and study a practical framework for real-time gesture recognition that can be used in a variety of human-computer interaction applications with the aim of developing a prototype system for controlling Microsoft PowerPointTMpresentations. The approach taken is to locate hands starting with the nger tips after investigating potential regions of interest that are maintained through motion detection and subsequent tracking. The ngertips are very distinguishable from many backgrounds allowing a very robust tracking system. Using techniques such as Features from Accelerated Segment Test (FAST) corner detection the tips can be found eciently. Circles generated using Bresenham's algorithm were employed for nding corners as well as the center of the palm. Using features generated from these results along with a semi-supervised Adaptive Resonance Theory (ART) neural network, static gestures were able to be classied with an overall accuracy of 75%. Dynamic gestures on the other hand were able to be detected using the trajectory formed by the center of the hand over a nite amount of time. Simple decision heuristics were then utilized to detect the movement of the hand. This research produced a working prototype of a robust hand tracking and gesture recognition system that can be used in numerous applications.