Kinect derinlik imgelerinden el hareketi tanıma
Hand gesture recognition from kinect depth images
- Tez No: 492719
- Danışmanlar: PROF. DR. ABDULKADİR ŞENGÜR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Bu çalışmada derinlik imgelerine dayalı bir el hareketleri sınıflandırma yöntemi önerilmiştir. Yöntem; eşikleme, öznitelik çıkarma, öznitelik seçme ve sınıflandırma aşamalarından oluşmaktadır. Derinlik imgelerinden elin bölütlenmesi için aralık eşikleme, öznitelik çıkarımı için eğrilik ölçek uzayı, öznitelik indirgeme için sıralı öznitelik seçme ve sınıflandırma için de K-En Yakın Komşu yöntemi kullanılmıştır. Önerilen yöntemin başarım değerlendirmesi için 1000 örnekten oluşan bir veri seti kullanılmıştır. Deneysel çalışmalar önerilen yöntemin 0'dan 9'a kadar olan el işaretlerini %98,33'lük bir doğrulukla sınıflandırabildiğini göstermiştir. Bu oran karşılaştırılan yöntemden %4 civarında daha iyidir.
Özet (Çeviri)
In this study, a hand gesture classification method based on depth images is proposed. The proposed method is composed of interval thresholding, feature extraction, feature selection and classification stages. Hand segmentation on the depth images is carried out based on interval thresholding, curvature scale space is used for feature extraction, sequential feature selection is considered for feature selection and K-Nearest Neighbor method is used for classification. The performance evaluation of the proposed method is tested on 1000 sampled dataset. Experimental works show that the hand gestures which indicate from 0 to 9 can be recognized with 98.33 % accuracy. This accuracy rate is about 4% better than the compared method.
Benzer Tezler
- Derin sinir ağları ile derinlik imgelerinden insan sezimi
Human detection from depth images with deep neural networks
DİDEM ÖZÜPEK TAŞ
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HELİN DUTAĞACI
- Human action recognition using 3D joint information and pyramidal HOOFD features
3D eklem bilgisi ve piramit HOOFD özniteliğini kullanarak insan aktivitelerini tanıma
BARIŞ CAN ÜSTÜNDAĞ
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÜNEL
- Çoklu kinect kullanımıyla elde edilen iskelet hareket verilerinin birleştirilmesi ve karşılaştırılması
Fusion and comparison of skeleton motion data acquired by using multiple kinects
MEHMED OĞUZ ŞEN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. METİN ERTÜRKLER
- Bir endüstriyel robotun insan kolu hareketlerinin derinlik haritası ile algılanmasıyla kontrolü
Teleoperation of an industrial robot arm by analyzing human arm depth image sequences
BURAK MERT
Yüksek Lisans
Türkçe
2016
Makine MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YİĞİT TAŞCIOĞLU
- İvme ve derinlik sensör verilerini kullanarak işbirlikçi hareket ve düşme tanıma için akıllı tekniklerin geliştirilmesi
Development of intelligent techniques for collaborative motion and fall recognition using acceleration and depth sensor data
BÜŞRAN AŞICI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLHAN AYDIN