ارائه يك روش تشخيص زبان علامت مبتني بر رويكرد MLRF فازي با استفاده از اطلاعات عمق تصوير

Presentation of a Sign Language Recognition Method Based on Fuzzy MLRF Approach Using Depth Image Information

تشخيص اشارات يك وظيفه مهم در حوزه‌هايي مانند تعامل انسان و كامپيوتر، تشخيص زبان اشاره و رباتيك مي‌باشد. اين مقاله يك الگوريتم تشخيص اشارات براي زبان اشاره آمريكايي مختص ناشنوايان ارائه مي‌دهد. در اين مقاله، يك روش بسيار دقيق براي تشخيص اشارات ايستا از يك تصوير عمق و درخت تصميم فازي پيشنهاد شده است. در ابتدا، از تصاوير عمق براي استنتاج ويژگي‌هاي ثابت چرخش، تفسير و مقياس‌پذيري استفاده‌ شده است. سپس، با استفاده از يك جنگل تصادفي چندلايه‌اي فازي، براي طبقه‌بندي بردارهاي ويژگي آموزش داده، كه براي تشخيص اشارات دست واگذار شده است. براي بهبود طبقه‌بندي، از انعطاف‌پذيري منطق فازي و مجموعه‌هاي فازي استفاده شده است. در حقيقت، اين رويكرد، استحكام سيستم‌هاي طبقه‌بندي چندگانه، قدرت تصادفي بودن براي افزايش تنوع درختان، و انعطاف‌پذيري منطق فازي و مجموعه‌هاي فازي را براي مديريت داده‌هاي ناقص تركيب مي‌كند.

Gesture recognition is an important task in areas such as human computer interaction, sign language recognition and robotics.This paper presents a Gesture reconition algorithm for recognizing American Sin Lanuage. In this article propose a highly precise method to recognize static gestures from a depth image and fuzzy decision tree. At first, article uses of depth images to derive rotation-, translation- and scale- invariant features. Then, by using of a fuzzy multi-layered random forest, trains to classify the feature vectors, which yields to the reconition of the hand signs. For improve classifing, uses flexibility of fuzzy logic and the fuzzy sets. This approach combines the robustness of multiple classifier systems, the power of the randomness to increase the diversity of the trees, and the flexibility of fuzzy logic and fuzzy sets for imperfect data management.