ارائه یک روش تشخیص زبان علامت مبتنی بر رویکرد MLRF فازی با استفاده از اطلاعات عمق تصویر

نویسندگان

دانشگاه آزاد اسلامی - واحد قزوین - دانشکده مهندسی رایانه و فناوری اطلاعات

چکیده

تشخیص اشارات یک وظیفه مهم در حوزه‌هایی مانند تعامل انسان و کامپیوتر، تشخیص زبان اشاره و رباتیک می‌باشد. این مقاله یک الگوریتم تشخیص اشارات برای زبان اشاره آمریکایی مختص ناشنوایان ارائه می‌دهد. در این مقاله، یک روش بسیار دقیق برای تشخیص اشارات ایستا از یک تصویر عمق و درخت تصمیم فازی پیشنهاد شده است. در ابتدا، از تصاویر عمق برای استنتاج ویژگی‌های ثابت چرخش، تفسیر و مقیاس‌پذیری استفاده‌شده است. سپس، با استفاده از یک جنگل تصادفی چندلایه‌ای فازی، برای طبقه‌بندی بردارهای ویژگی آموزش داده، که برای تشخیص اشارات دست واگذار شده است. برای بهبود طبقه‌بندی، از انعطاف‌پذیری منطق فازی و مجموعه‌های فازی استفاده شده است. در حقیقت، این رویکرد، استحکام سیستم‌های طبقه‌بندی چندگانه، قدرت تصادفی بودن برای افزایش تنوع درختان، و انعطاف‌پذیری منطق فازی و مجموعه‌های فازی را برای مدیریت داده‌های ناقص ترکیب می‌کند.

کلیدواژه‌ها


عنوان مقاله [English]

Presentation of a Sign Language Recognition Method Based on Fuzzy MLRF Approach Using Depth Image Information

نویسندگان [English]

  • N. Khanbani
  • A. M. Eftekhari Moghadam
Department of Computer and IT Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran
چکیده [English]

Gesture recognition is an important task in areas such as human computer interaction, sign language recognition and robotics.This paper presents a Gesture reconition algorithm for recognizing American Sin Lanuage. In this article propose a highly precise method to recognize static gestures from a depth image and fuzzy decision tree. At first, article uses of depth images to derive rotation-, translation- and scale- invariant features. Then, by using of a fuzzy multi-layered random forest, trains to classify the feature vectors, which yields to the reconition of the hand signs. For improve classifing, uses flexibility of fuzzy logic and the fuzzy sets. This approach combines the robustness of multiple classifier systems, the power of the randomness to increase the diversity of the trees, and the flexibility of fuzzy logic and fuzzy sets for imperfect data management.

کلیدواژه‌ها [English]

  • Random forest
  • fuzzy decision tree
  • fuzzy sets
  • fuzzy multi-layered random forest