The 11th Iranian and the first International Conference on Machine Vision and Image Processing

سیستم تشخیص ژست‌‌ دست با استفاده از شبکه‌عصبی کانولوشن و جنگل ‌تصادفی

مریم کمالی روستاعباس کوچاری
The 11th Iranian and the first International Conference on Machine Vision and Image Processing (MVIP 2020)

چکیده

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



© 2017-2021 ISMVIP All Rights Reserved