การพัฒนาวิธีการแยกแยะรูปภาพภาษามือ โดยอาศัยวิธีการปรับระนาบภาพ
DOI:
https://doi.org/10.14456/rmutlengj.2020.4คำสำคัญ:
การแยกแยะรูปภาพ, แมทชีนเลินนิ่ง, ภาษามือบทคัดย่อ
การแยกแยะรูปภาพโดยส่วนใหญ่อาศัยวิธีการตัดสินอย่างใดอย่างหนึ่งหรือใช้กระบวนการหลายอย่างร่วมกัน เช่นการปรับภาพก่อนเข้าร่วมกับวิธีการของแมทชีนเลินนิ่ง เพื่อกระบวนการดึงจุดเด่นหรือน้ำหนักของภาพให้ได้ค่าที่ดีที่สุดสำหรับการตัดสินใจ ในบทความวิจัยนี้ได้นำเสนอวิธีการแยกแยะรูปภาพภาษามือโดยวิธีการแบบหลายแมทชีนเลินนิ่ง การแยกแยะรูปภาพภาษามือที่ใช้ในงานวิจัยมีการเลือกพื้นหลังหรือสิ่งแวดล้อมในหลายรูปแบบเช่น พื้นหลังสีดำ พื้นหลังสีขาว พื้นหลังแบบมีลวดลาย โดยที่ทั้งรูปภาพแบบขาวดำและรูปภาพสี RGB โดยใช้รูปภาพของภาษามือจากฐานข้อมูลของ ASL จากการทดลองพบว่าวิธีการแบบหลายแมทชีนเลินนิ่งมีการแยกแยะรูปภาพภาษามือได้ถูกต้องถึง 98.06 เปอร์เซ็นต์
Downloads
Download data is not yet available.
References
1.United Nations, Department of Economic and Social Affairs, Population Division (2019). World Population Prospects 2019: Highlights (ST/ESA/SER.A/423).
2.United Nations, Multi-country assessment of national capacity to provide hearing care, WHO Report Hearing Care: (NLM classification: WV 270)
3.Demographic Statistics Report Population and Housing, National Statistical Office. Available from: http:// http://statbbi.nso.go.th/
4.Report of the situation of the disabled in Thailand. Available from: http://www.dep.go.th
5.Gałka, Jakub, et al. "Inertial motion sensing glove for sign language gesture acquisition and recognition," IEEE Sensors Journal 16.16 (2016): pp.6310-6316.
6.Javed, Shahrukh. “Wireless Glove for Hand Gesture Acknowledgment: Sign Language to Discourse Change Framework in Territorial Dialect,” ICRA 2018 (2018).
7.Saleh, Neven, et al.“Smart glove-based gestures recognition system for Arabic sign language,” Innovative Trends in Computer Engineering (ITCE), International Conference on (2020).
8.Rokade, Rajeshree S, Dharmpal D. Dye. "Spelled sign word recognition using key frame." IET Image Processing , 9.5 (2014): pp 381-388.
9.Kshirsagar, Ketki P. "Key Frame Selection for One-Two Hand Gesture Recognition with HMM." International Journal of Advanced Computer Research 5.19 (2015): pp. 192.
10.Hosain, Al Amin, et al. "FineHand: Learning Hand Shapes for American Sign Language Recognition." arXiv preprint arXiv:2003.08753 (2020).
11.Tubaiz, Noor, Tamer Shanableh, Khaled Assaleh. "Glove-based continuous Arabic sign language recognition in user- dependent mode." IEEE Transactions on Human-Machine Systems, 45.4 (2015): pp.526-533.
12.Jiang, Shuo, et al. "Stretchable E-Skin Patch for Gesture Recognition on the Back of the Hand." IEEE Transactions on Industrial Electronics (2019).
13.Sanguansat, P. (2019). Artificial Intelligence with Machine Learning, Nonthaburi : IDC Premier.
14.Miroslav Kubat. (2015). An Introduction to Machine Learning. Coral Gables: Springer.
15.Srikaew, A. (2009). Computational intelligence. Teaching documents Department of Electrical Engineering Suranaree University of Technology.
16.Life Print. American Sign Language. Available from:https://www.lifeprint.com/asl101/fingerspelling/fingerspelling.htm/ [Accessed 6th April 2020].
2.United Nations, Multi-country assessment of national capacity to provide hearing care, WHO Report Hearing Care: (NLM classification: WV 270)
3.Demographic Statistics Report Population and Housing, National Statistical Office. Available from: http:// http://statbbi.nso.go.th/
4.Report of the situation of the disabled in Thailand. Available from: http://www.dep.go.th
5.Gałka, Jakub, et al. "Inertial motion sensing glove for sign language gesture acquisition and recognition," IEEE Sensors Journal 16.16 (2016): pp.6310-6316.
6.Javed, Shahrukh. “Wireless Glove for Hand Gesture Acknowledgment: Sign Language to Discourse Change Framework in Territorial Dialect,” ICRA 2018 (2018).
7.Saleh, Neven, et al.“Smart glove-based gestures recognition system for Arabic sign language,” Innovative Trends in Computer Engineering (ITCE), International Conference on (2020).
8.Rokade, Rajeshree S, Dharmpal D. Dye. "Spelled sign word recognition using key frame." IET Image Processing , 9.5 (2014): pp 381-388.
9.Kshirsagar, Ketki P. "Key Frame Selection for One-Two Hand Gesture Recognition with HMM." International Journal of Advanced Computer Research 5.19 (2015): pp. 192.
10.Hosain, Al Amin, et al. "FineHand: Learning Hand Shapes for American Sign Language Recognition." arXiv preprint arXiv:2003.08753 (2020).
11.Tubaiz, Noor, Tamer Shanableh, Khaled Assaleh. "Glove-based continuous Arabic sign language recognition in user- dependent mode." IEEE Transactions on Human-Machine Systems, 45.4 (2015): pp.526-533.
12.Jiang, Shuo, et al. "Stretchable E-Skin Patch for Gesture Recognition on the Back of the Hand." IEEE Transactions on Industrial Electronics (2019).
13.Sanguansat, P. (2019). Artificial Intelligence with Machine Learning, Nonthaburi : IDC Premier.
14.Miroslav Kubat. (2015). An Introduction to Machine Learning. Coral Gables: Springer.
15.Srikaew, A. (2009). Computational intelligence. Teaching documents Department of Electrical Engineering Suranaree University of Technology.
16.Life Print. American Sign Language. Available from:https://www.lifeprint.com/asl101/fingerspelling/fingerspelling.htm/ [Accessed 6th April 2020].
Downloads
เผยแพร่แล้ว
2020-06-30
How to Cite
นาดี โ. ., & ยิ่งขยัน ก. (2020). การพัฒนาวิธีการแยกแยะรูปภาพภาษามือ โดยอาศัยวิธีการปรับระนาบภาพ . วารสารวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา, 5(1), 25–34. https://doi.org/10.14456/rmutlengj.2020.4
ฉบับ
บท
บทความวิจัย
สำหรับผู้แต่ง (Author)
