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: Belirtilmemiş.
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
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÜNEL
- Kinect rgb görüntülerinde ve derinlik haritalarında uzam-zamansal özellikleri kullanarak işaret dili tanıma
Sign language recognition using spatio-temporal features on Kinect rgb video sequences and depth maps
ABBAS MEMİŞ
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SONGÜL ALBAYRAK
- Fall detection for elderly people using depth video data obtained by kinect
Kinect'le elde edilen video derinlik verisi kullanılarak yaşlı insanların düşüşünün tespiti
AMİR ABBAS DAVARİ
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF TANJU ERDEM
- Yaşlılarda derinlik sensörleriyle yapılan Fukuda Adımlama Testi'nin; test-tekrar test güvenirliği ve klinik değerlendirmelerle ilişkisinin incelenmesi
Test–retest reliability and relationship with clinical assessments of a depth sensor–based Fukuda Stepping Test in older adults
HASAN TOLGA ÜNAL
Yüksek Lisans
Türkçe
2025
Fizyoterapi ve RehabilitasyonAkdeniz ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MERT DOĞAN