Geri Dön

Hand gesture recognition

El işareti tanıma

  1. Tez No: 328450
  2. Yazar: BEKİR CAN
  3. Danışmanlar: YRD. DOÇ. DR. METEHAN MAKİNACI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 40

Özet

Bu yüksek lisans çalışmasında amaç veri tabanımızdaki farklı el işaretlerinin sınıflandırılmasıdır. Veri tabanı 6 çeşit el işareti sınıfından oluşmaktadır ve her bir işaret sınıfı 50 el görüntüsüne sahiptir. Her bir işaret 0 'dan 5 'e kadar bir sayıyı simgelemektedir. El işareti tanıma sistemi dört ana kısımdan oluşmaktadır: Görüntü geliştirme, bölütleme, öznitelik çıkarma ve sınıflandırma. Görüntü geliştirme kısmında, median filtre yüksek frekanslı bileşenlerden kurtulmak için kullanılır. Görüntü geliştirme kısmından sonra, görüntüdeki el alanı sonraki kısım için ayrılması gerekmektedir. Görüntüden el bilgisini çıkartmak için, el cildi benzeri bölgeler renkli eşikleme işlemi kullanılarak bulunur ve el bölümünü temsil edecek elin kontür bilgisi mevcut el cildi benzeri bölgelerde en uzun dış konturün en uzun iç konturü seçilerek bulunur. Öznitelik çıkarma kısmında, sınıflandırma için işe yarar öznitelikler konturün dışbükeylik defekleri gibi biçim özellikleri kullanılarak elde edilir. Sistemin sınıflandırıcısı basit koşulsal ifadeler ve kesişim yayından oluşur. Özniteliklere bağlı olarak sınıflandırıcı sistemin girişiyle hangi işaretin uyuştuğuna karar verir. Sistem yüzde doksan dokuz başarı oranına sahiptir.

Özet (Çeviri)

In this master study, the purpose is to classify different hand gestures in our database. The database consists of 6 types of gesture class and each gesture class has 50 hand images. Each type of gesture symbolizes a number from 0 to 5. The hand gesture recognition system consists of four main stages: Image enhancement, segmentation, feature extraction and classification. In the image enhancement stage, median filter is used to get rid of high frequency components. After the image enhancement stage, hand region in the image needs to be separated for the next stage. In order to extract hand data from the image, regions that are similar to skin color are found using a color threshold process, and then contour data of the hand which will represent the hand region is selected by finding the longest inner contour of the longest outer contour in the existing regions that are similar to skin color. In the feature extraction stage, useful features for the classification stage are obtained using of the shape features such as convexity defects of the contour. Classifier of the system consists of simple conditional expressions and intersection arc. Depending on the features, the classifier decides which gesture corresponds to the input of the system. The system has a ninety nine percent success rate.

Benzer Tezler

  1. Hand gesture recognition

    El hareketi tanıma

    AHMET BİRDAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. REZA HASSANPOUR

  2. Hand gesture recognition for music player system using convolutional neural network

    Evrensel sinir ağı kullanarak müzik çalar sistemi için el jestleri tanıma

    ANWAR DIYAA AWAD AL MOHAMMEDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. HAKAN KOYUNCU

  3. Gesture learner machine for recognizing symbols and numbers

    Sembolleri ve sayıları tanıma için hareket öğrenen makine

    CHYA FATAH AZIZ AZIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. ASAF VAROL

  4. Hand gesture recognition for Turkish sign language using electromyography for human-robot interaction

    İnsan-robot etkileşimi için elektromyografi kullanarak Türk işaret dili için el hareketi tanıma

    MUSTAFA SEDDIQI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HATİCE KÖSE

  5. Kinect derinlik imgelerinden el hareketi tanıma

    Hand gesture recognition from kinect depth images

    ZEYNEP YELOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULKADİR ŞENGÜR