Hand gesture recognition
El işareti tanıma
- Tez No: 328450
- Danışmanlar: YRD. DOÇ. DR. METEHAN MAKİNACI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Hand gesture recognition
El hareketi tanıma
AHMET BİRDAL
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. REZA HASSANPOUR
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. HAKAN KOYUNCU
- Gesture learner machine for recognizing symbols and numbers
Sembolleri ve sayıları tanıma için hareket öğrenen makine
CHYA FATAH AZIZ AZIZ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ASAF VAROL
- 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
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Kinect derinlik imgelerinden el hareketi tanıma
Hand gesture recognition from kinect depth images
ZEYNEP YELOĞLU
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR