شناسايي زبان اشاره با استفاده از استخراج ويژگي بر پايه تبديل موجك و تصاوير عمقي

زبان اشاره متداول ترين روش برقراري ارتباط بين افراد ناشنوا مي باشد. اما تشخيص زبان اشاره توسط رايانه جهت كاربردهاي مختلف هنوز يك چالش محسوب مي شود. يكي از مهمترين مشكلات در اين حوزه قطعه بندي دست، به خصوص در پس زمينه هاي پيچيده است كه استفاده از تصاوير عمقي مي توان اين مشكل را مرتفع نمود. در اين مقاله روشي جهت تشخيص حروف الفباي زبان اشاره فارسي بر مبناي قطعه بندي عمقي دست از طريق سنسور كينكت و با استفاده از استخراج ويژگي بر پايه تبديل موجك ارائه شده است. پايگاه داده شامل 12000 نمونه حروف زبان اشاره مي باشد. كه شامل 24 حرف زبان اشاره كه از اجراي 5 نفر و به ازاي هر نفر 100 نمونه مختلف اجرا از يك حرف ثبت شده است. و پس از اعمال تبديل موجك دو بعدي تا 3 سطح جهت استخراج ويژگي از تصاوير پايگاه داده، با استفاده از دسته بند بيز داده ها را كلاس بندي مي نماييم. نتايج آزمايشات نشان مي دهد كه روش پيشنهادي توانسته است 24 حرف زبان اشاره را با دقت 87.96 % دسته بندي نمايد. اين روش در مقايسه با كارهاي قبلي درصد تشخيص بالاتري به دست آورده است