Science curiculum vitae personally - University of Da Nang




	Thông tin chung

	English

	Đề tài NC khoa học
	Bài báo, báo cáo khoa học
	Hướng dẫn Sau đại học
	Sách và giáo trình
	Các học phần và môn giảng dạy
	Giải thưởng khoa học, Phát minh, sáng chế
	Khen thưởng
	Thông tin khác

	Tài liệu tham khảo

	Hiệu chỉnh


Số người truy cập: 106,978,625

LỌC VÀ GIẢM CHIỀU TRONG NHẬN DẠNG NGÔN NGỮ CỬ CHỈ TĨNH TIẾNG VIỆT

Tác giả hoặc Nhóm tác giả: Phạm Xuân Trung*; TS. Hồ Phước Tiến

Nơi đăng: Tạp chí Khoa học Công nghệ ĐHĐN; Số: Số 12(85).2014, Quyển 1;Từ->đến trang: 24;Năm: 2014

Lĩnh vực: Xã hội nhân văn; Loại: Bài báo khoa học; Thể loại: Trong nước

TÓM TẮT

Ngôn ngữ cử chỉ là phương tiện cơ bản cho người khiếm thính giao tiếp với nhau và với mọi người khác. Trong bài báo này, ngôn ngữ cử chỉ tĩnh Tiếng Việt sử dụng phương pháp lọc và giảm chiều kết hợp với mạng Nơ-ron được đề xuất. Phương pháp này bắt đầu với các bước tiền xử lý, trích đặc trưng và phân loại để nhận dạng và hiển thị kết quả là chữ cái tương ứng. Vùng ảnh bàn tay được phân đoạn ra khỏi nền bằng cách dùng màu da, sau đó các bộ lọc được dùng để giảm nhiễu/làm mượt nhiễu trước khi sử dụng phương pháp giảm chiều để trích đặc trưng. Các đặc trưng này sau đó được dùng để huấn luyện và kiểm tra sử dụng mạng Nơ-ron lan truyền ngược. Thuật toán được thực thi trên cơ sở dữ liệu được xây dựng với một số điều kiện. Việc kết hợp của các phương pháp đã nêu trên cơ sở dữ liệu tự xây dựng cho kết quả tương đối cao.

ABSTRACT

Sign language is the primary language for the deaf in communicating with normal people. In this paper, Vietnamese Static Sign Language (VSL) using filtering and dimension-reducing methods combined with Neural network has been proposed. This approach begins with pre-processing steps, feature extraction and classification to recognize and to show the results of the relevant letter. In this paper, the hand’s region is segmented from the background using skin color; after that, filters are used to reduce noise/ to smooth noise before extracting the features using the down-sampling method. These features are then used to train and to test with the back-propagation Neural Network. The implementation is performed on the database that was built with some conditions. The combination of the above-mentioned algorithms based on self-built databases results in a relatively high outcome.

Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng

Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn