بازشناسي حالات ايستاي دست با مدل ماركف مخفي بر اساس ويژگي شيب انحناي كانتور پيراموني

Hand Static Gesture Recognition Using HMM Based on Curvature Gradient of Occluding Contour

امروزه ارتباط انسان با رايانه از طريق صفحه كليد، ماوس و ... امكان‌پذير مي‌باشد. اين گونه وسايل با محدوديت‌هايي از جمله سرعت عملكرد مواجه هستند. هدف نهايي دنياي فنآوري اين است كه تعامل بين انسان با كامپيوتر مانند تعامل بين انسانها با هم، طبيعي و آسان باشد. در اين مقاله روشي براي بازشناسي حالات دست مبتني بر ويژگي شيب انحناي منحني Bspline دست ارايه مي‌گردد. بدين ترتيب كه ابتدا تصوير دست در فريم‌هاي مختلف استخراج شده و تعدادي نقطه روي كانتور پيراموني دست به صورت متساوي الفاصله انتخاب مي‌شود. سپس، منحني Bspline مرتبه 3 براي دسته‌هاي 4 تايي از اين نقاط محاسبه مي‌گردد. در ادامه شيب انحنا براي منحني‌هاي Bspline محاسبه و به عنوان بردار ويژگي براي طبقه بندي به مدل مخفي ماركف داده مي‌شود. روش پيشنهادي با توجه به استفاده از ويژگي شيب انحنا، نسبت به چرخش، انتقال و تغيير اندازه حساس نمي‌باشد. نتايج آزمايش روي 15 مجموعه از دنباله‌هاي ويديويي با تعداد فريم‌هاي متوسط 150 فريم، نرخ بازشناسي %92/21 را به دست مي‌دهد.

Today, the connection between human and computer is possible using mouse, keyboard and etc. These devices have some limitations like application speed. Making easy the interaction between human and computer is final objective of technology. In this paper, we propose one method for gesture recognition using curvature of B-Spline curves. First, the image of hand is extracted from different frames and some numbers of points are selected on the contour of hand in equal distances. Then, B-spline curves for groups of 4 points are calculated. Next, the slope of curvature for B-spline curves is calculated and used as feature vector of HMM classifier. The proposed method is inariant to rotation, movement and size of image because of using the slope of curvature. The results on 15 video sequences (with 150 frames in average) give recognition rate of 92.21%.