Address
Faculty of Engineering,
College of Farabi, University of Tehran,
Old Qom-Tehran Road,
Qom, Iran.
Telephone
+98 (253) 616 6651 Mr. Ebrahimi
FAX
+98 (253) 616 6651
Follow us
حرکات دست یکی از رایجترین انواع زبان بدن هستند که برای ارتباط و تعامل انسانها و انسان-کامپیوتر استفاده میشوند. دراین مقاله روشی برای بهبود شناسایی ژست دست ارائه شده است. ابتدا با پیشپردازش تصویر مکان ژست دست به دست میآید. سپس از شبکه عصبی کانولوشنال برای استخراج ویژگی و از جنگل تصادفی و SVM برای دستهبندی ژستهای مختلف استفاده میشود. مجموعهداده مورد بررسی در این پژوهش leap motion Kinect میباشد. سه راهکار در این مقاله بررسی شده است. روش اول شبکه کانولوشنال طراحیشده و بعد از ورود دادهها به شبکه، برای کاهش تعداد ویژگیهای کماهمیت از الگوریتم PCA استفاده میشود. ویژگیهای استخراج شده به الگوریتمهای دستهبندی داده میشود. روش دوم بدون استفاده از PCA ویژگیها بطور مستقیم به الگویتمهای دستهبند وارد میشوند. در روش سوم برای مقایسه از شبکه آماده YOLO برای استخراج ویژگی استفاده شده است. در این پژوهش سعی شده است که با طراحی شبکه کانولوشنال کمعمق اختصاصی، الگوریتم جنگلهای تصادفی و با استفاده از CPU که ارزانتر و در دسترس میباشد، استخراج ویژگی انجام شده و ژستها دستهبندی شوند. آزمایشهای انجام شده نشان میدهد سرعت پیادهسازی در مقایسه با GPU قابل قب
کلمات کلیدی: ژستدست، جنگلهای تصادفی، شبکه عصبی کانولوشنی
+98 (253) 616 6651 Mr. Ebrahimi
FAX
+98 (253) 616 6651
