یک الگوریتم برای استخراج کلمات اشاره‌ای و شناسایی زبان اشاره‌ای پیوسته فارسی براساس حرکت و ویژگی‌های شکل دست (خلاصه)
واتساپ:09141077352 همراه: 09141077352 ثابت: 35250068-041 سفارش سمینار و مقاله سفارش ترجمه تخصصی
 

دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


جدیدترین لغات واژه‌نامه

آمار بازدیدکنندگان

بازدید امروز :89
بازدید روز گذشته :72
بازدید این هفته :308
بازدید این ماه :2583
مجموع آمار بازدید ها :783736

عنوان محصول: یک الگوریتم برای استخراج کلمات اشاره‌ای و شناسایی زبان اشاره‌ای پیوسته فارسی براساس حرکت و ویژگی‌های شکل دست (خلاصه)

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: چهارشنبه 10 اسفند 1396
یک الگوریتم برای استخراج کلمات اشاره‌ای و شناسایی زبان اشاره‌ای پیوسته فارسی براساس حرکت و ویژگی‌های شکل دست (خلاصه) یک الگوریتم برای استخراج کلمات اشاره‌ای و شناسایی زبان اشاره‌ای پیوسته فارسی براساس حرکت و ویژگی‌های شکل دست (خلاصه)
توضیحات مختصر: زبان اشاره‌ای، ابزار بسیار مهم برای افراد ناشنوا است. با توجه به عدم آشنایی افراد غیر ناشنوا با زبان ناشنوایان، طراحی یک سیستم مترجم که موجب راحتی ارتباط با افراد ناشنوا در محیط می‌شود، بسیار ضروری است. سیستم مربوط به ترجمه زبان اشاره‌ای در زبان گفتاری، باید قادر به شناسایی حالت‌ها در ویدئوهای زبان ...
یک الگوریتم برای استخراج کلمات اشاره‌ای و شناسایی زبان اشاره‌ای پیوسته فارسی براساس حرکت و ویژگی‌های شکل دست (خلاصه) یک الگوریتم برای استخراج کلمات اشاره‌ای و شناسایی زبان اشاره‌ای پیوسته فارسی براساس حرکت و ویژگی‌های شکل دست (خلاصه)


قیمت قیمت : 24500 تومان
تخفیف تخفیف ویژه : 10 درصد
قیمت نهایی قیمت نهایی: 22050 تومان
337 بازدید
کد مقاله: TTC- 3322
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Journal: Springer 2016,

An algorithm on sign words extraction and recognition of continuous Persian sign language based on motion and shape features of hands
Abstract
Abstract Sign language is the most important means of communication for deaf people. Given the lack of familiarity of non-deaf people with the language of deaf people, designing a translator system which facilitates the communication of deaf people with the surrounding environment seems to be necessary. The system of translating the sign language into spoken languages should be able to identify the gestures in sign language videos. Consequently, this study provides a system based on machine vision to recognize the signs in continuous Persian sign language video. This system generally consists of two main phases of sign words extraction and their classification. Several stages, including tracking and separating the sign words, are conducted in the sign word extraction phase. The most challenging part of this process is separation of sign words from video sequences. To do this, a new algorithm is presented which is capable of detecting accurate boundaries of words in the Persian sign language video. This algorithm decomposes sign language video into the sign words using motion and hand shape features, leading to more favorable results compared to the other methods presented in the literature. In the classification phase, separated words are classified and recognized using hidden Markov model and hybrid KNN-DTW algorithm, respectively. Due to the lack of proper database on Persian sign language, the authors prepared a database including several sentences and words performed by three signers. Simulation of proposed words boundary detection and classification algorithms on the above database led to the promising results. The results indicated an average rate of 93.73 % for accurate words boundary detection algorithm and the average rate of 92.4 and 92.3 % for words recognition using hands motion and shape features, respectively.
Keywords: Pattern recognition, Sign language, Persian sign language, Continuous sign language recognition,Hand gesture recognition

چکیده
زبان اشاره‌ای، ابزار بسیار مهم برای افراد ناشنوا است. با توجه به عدم آشنایی افراد غیر ناشنوا با زبان ناشنوایان، طراحی یک سیستم مترجم که موجب راحتی ارتباط با افراد ناشنوا در محیط می‌شود، بسیار ضروری است. سیستم مربوط به ترجمه زبان اشاره‌ای در زبان گفتاری، باید قادر به شناسایی حالت‌ها در ویدئوهای زبان ناشنوایان باشد. متعاقباً، این مقاله، یک سیستم بر اساس بینایی ماشین برای شناسایی مشخصه‌های موجود در ویدئوی زبان ناشنوایان فارسی پیوسته ارائه می‌کند. گام‌های زیادی، شامل ردیابی و جدا سازی کلمات اشاره‌ای، در فاز استخراج کلمه اشاره‌ای، ارائه شده است. بخش چالش انگیز در این رویه‌ها، جدا سازی کلمات اشاره‌ای از سکانس ویدئویی است. برای انجام این کار، یک الگوریتم ارائه می‌شود که قادر به شناسایی مرزهای دقیق برای کلمات در ویدئوی زبان اشاره‌ای فارسی است. این الگوریتم، ویدئوی زبان اشاره‌ای را به کلمات اشاره‌ای با استفاده از ویژگی‌های حرکت دست و حالت آن تجزیه می‌کند، این رویه موجب تولید نتایج بسیار مناسبی در مقایسه با رویکردهای دیگر بیان شده در ادبیات می‌شود. در فاز طبقه بندی، کلمات جدا شده، طبقه بندی شده و با استفاده از مدل مارکو پنهان شده و الگوریتم ترکیبی KNN-DTW، شناسایی می‌شوند. به دلیل نبود یک مجموعه داده مناسب روی زبان اشاره‌ای فارسی، مولفان، یک مجموعه داده شامل جمله‌های متنوع ارائه کردند که توسط سه مجری، ارائه شده است. شبیه سازی رویکرد پیشنهادی طبقه بندی و شناسایی مرزهای کلمات روی این مجموعه داده‌ها موجب نتایج امیدوار کننده‌ای شد. نتایج نشان داد که، نرخ متوسط 93.73 درصدی برای الگوریتم شناسایی مرز کلمات و نرخ متوسط 92.3 درصدی برای شناسایی کلمات با استفاده از حرکت دست و ویژگی‌های حالت آن به دست آمده است.
کلمات کلیدی: تشخیص الگو، زبان اشاره، زبان اشاره فارسی، تشخیص زبان مداوم، تشخیص حرکت ژست

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:13 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:18 صفحه

  • آدرس: تبریز، آبرسان، مهرگان چهارم
  • تلفن  تماس: 09016347107
  • تلفن  ثابت : 35250068-041
  •  Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @zoodyab :آدرس تلگرام
مرکز  تخصصی  تلاش ترجمه از  سال  1385 شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.

تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.