ایران پروژه ایران پایانامه

مقاله Static Persian Sign Language Recognition usingKernelدرbased Feature Extraction در pdf دارای 5 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله Static Persian Sign Language Recognition usingKernelدرbased Feature Extraction در pdf کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله Static Persian Sign Language Recognition usingKernelدرbased Feature Extraction در pdf ،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله Static Persian Sign Language Recognition usingKernelدرbased Feature Extraction در pdf :

سال انتشار: 1390

محل انتشار: هفتمین کنفرانس ماشین بینایی و پردازش تصویر

تعداد صفحات: 5

چکیده:

The most effective way for deaf peoplecommunication is sign language. Since most people are notfamiliar with this language, there is a requirement for a signlanguage translator system. This would be a useful toolspecifically in emergency situations. A further need is facilitationof deaf people communication in cyberspace. Sign languagegestures can be divided in two groups, including gesturesrepresent the alphabets and those which are arbitrary signsrepresenting specific concepts. The first group is usuallyintroduced by the pose of hands and they are called postureswhile the second group usually includes motion of the hands. Thispaper evaluates the efficiency of kernel based feature extractionmethods including kernel principle component analysis (KPCA)and kernel discriminant analysis (KDA) on Persian sign language(PSL) postures. To compare the impact of features on signs’recognition rate, classifiers such as minimum distance, supportvector machine (SVM) and Neural network (NN) is used.Experimental trials indicate higher recognition rate for thekernel-based methods in comparison to those of other techniquesand also previous works on PSL recognition.

کلمات کلیدی :