Thesis

چهارچوبی جهت تشخیص ژست دست با استفاده از فیلتر کالمن و مدل مخفی مارکوف

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

هدف از محاوره انسان و کامپیوتر، رسیدن به محاوره ای شبیه به کار انسان با انسان در مورد انسان با کامپیوتر می باشد. ژست ها نقش مهمی را در زندگی روزانه انسان ها جهت انتقال اطلاعات و بیان احساسات بازی می کنند. ژست ها پیامدی از حرکت بخشی از بدن می باشند که یکی از این حرکت های بسیار پرکاربرد حرکت دست می باشد که به عنوان ژست پویای دست شناخته می شود. بنابراین دنبال کردن دست و تشخیص حرکت آن بسیار مهم بوده و می تواند کاربردهای همه منظوره ای را فراهم کند. در این پایاننامه چارچوبی برای تشخیص ژست های ایزوله و ژست های پویای دست پیشنهاد شده است که از فیلتر کالمن جهت دنبال کردن دست و از مدل مخفی مارکوف جهت تشخیص حرکت دست استفاده شده است. همچنین فرض شده است که فرد در جلوی دوربین فاصله خود را تغییر نداده و دوربین فیلمبرداری ثابت بوده و هیچ حرکتی ندارد. در این چارچوب جهت تشخیص ژست های پویای دست از اعداد و حروف انگلیسی استفاده شده است. برای تشخیص از ویژگی زاویه با دو تقسیم بندی 20 و 45 درجه استفاده شده است. در ژست های پویا جهت کشف و تشخیص از اعداد انگلیسی استفاده شده است. به طور کلی ژست های پویای دارای دو نوع ژست معنی دار (اصلی) و بیمعنی می باشند. این ژست ها در دنباله ویدیویی باید تفکیک شوند. جهت تشخیص ژست های معنی دار می بایست آنها را در دنباله ویدیویی کشف کرد. به همین منظور جهت کشف ژست های معنی دار از یک روش ابتکاری استفاده شده است که با استفاده از آن نقطه شروع و پایان ژست معنی دار در دنباله ویدیویی مشخص می شود. پس از مشخص شدن نقطه شروع و پایان ژست معنی دار، مسیر بین این دو نقطه جهت تشخیص به مدل مخفی مارکوف داده می شود تا ژست پویای انجام شده، کلاس بندی شود. چارچوب پیشنهادی، کارایی خوبی را در کشف و تشخیص ژست های پویا نشان می دهد. همچنین این سیستم از نظر پیچیدگی محاسباتی بسیار مناسب بوده به طوری که هدف کاهش هزینه های محاسباتی در نظر گرفته شده است و در صحنه های پیچیده توانمندی مناسبی را فراهم میکند.

Supervisors and advisors

میرهادی سید عربی، منیره دباغچیان

Similar theses

  • تشخیص و شناسایی اعمال انسان با استفاده از مدل مخفی مارکوف فازی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرسکورش مظفری

    تشخیص و بازنمایی اعمال انسان یکی از موضوعات مهم و چالش برانگیز در حوزه ی بینایی ماشین می باشد که دارای کاربردهای فراوانی همچون نظارت خودکار، تعامل انسان با کامپیوتر، جستجو در پایگاه های ویدیویی، برچسب زدن خودکار ویدیوها می باشد. بسیاری از اعمالی که توسط انسان انجام می شود از نظر

  • تشخیص برون خطی کلمه دست نوشته فارسی با استفاده از مدل مخفی مارکوف

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده برقزهرا ایمانی

    در این پایان نامه سیستمی برای بازشناسی برون خط کلمات دست‎نویس فارسی ارائه شده است. پیچیدگی نگارش فارسی و شکل متفاوت حروف بسته به موقعیت آن که اول کلمه، وسط کلمه، انتهای کلمه یا جدا از بخش های دیگر کلمه باشد بازشناسی کلمات در این زبان را بسیار دشوار نموده است. بطوریکه درصد بازشناس

  • ارائه روشی برای آشکارسازی مطمئن حالت های غیرنرمال شبکه های حسگر بی سیم با استفاده از مدل مخفی مارکوف

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه صنعت آب و برق (شهید عباسپور) - دانشکده برق و کامپیوترامید شهبازی

    در این پایان نامه روشی برای آشکارسازی مطمئن حالت های غیر نرمال شبکه های حسگر بی سیم با استفاده از مدل مخفی مارکوف ارائه شده است. حالت های غیر نرمال بنا به تعریف شامل تمامی الگوهایی از رفتار سیستم می باشند که با هیچ یک از حالت های نرمال سیستم مطابقت ندارند. حالت های غیرنرمال شبکه

  • سیستم تشخیص نفوذ مبتنی بر مدل مخفی مارکوف

    Thesis2014دانشگاه امام رضا علیه اسلام - دانشکده مهندسی کامپیوترجمال کریمیان

    یکی از اساسی¬ترین معیارهای یک سیستم تشخیص نفوذ ایده آل، به دست آوردن نرخ مثبت کاذب پایین و نرخ تشخیص بالا است. سیستم¬های تشخیص نفوذ مبتنی بر امضا در تشخیص حملات جدید ناتوان می¬باشند و امروزه سیستم های مبتنی بر ناهنجاری استفاده می¬شوند.مهم¬ترین پارامتر در این سیستم ها نرخ مثبت کاذ

  • شناسایی بدافزارهای دگرگون با استفاده از مدل مخفی مارکوف

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده کامپیوتر و فناوری اطلاعاتحسین علیزاده مقدم

    در تحقیقات صورت گرفته تا کنون استفاده از مدلهای مخفی مارکوف(hmm) جهت تشخیص بد افزارهای دگرگون نتایج خوبی به عمل آورده است. این درحالیست که برخی بدافزارها از جمله mwor و metaphor توانسته اند با استفاده از متدهای دگرگونی خود را همانند فایلهای سالم ساخته و مانع تشخیص خود شوند. روش h

  • کشف و شناسایی بدافزارها با استفاده از ترکیب مدل n-gram و مدل مخفی مارکوف (hmm)

    Thesis2014دانشگاه امام رضا علیه اسلام - دانشکده مهندسی برق و کامپیوتربصیر پچاز

    در یک تعریف کلی، می توان کلیه ی کدهای مخربی که بالقوه توانایی آسیب رساندن به سیستم های کامپیوتری یا شبکه ای از سیستم های کامپیوتری را دارند، بدافزار نامید. رشد کمی و کیفی بدافزارها در سال های اخیر به مدد افزایش کیفیت و کمیت کیت های تولید ویروس و ظهور تکنولوژی های نوین جهت تولید و

Similar items