Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки
Розглянуто детальну класифікацію дактилем української жестової мови, підходи до отримання ефективних векторів ознак на базі геометричних характеристик дактилем. Запропоновано алгоритм розпізнавання на основі звуження множини можливих розв`язків. Наведено результати тестування реалізованої системи ро...
Saved in:
| Published in: | Проблемы управления и информатики |
|---|---|
| Date: | 2016 |
| Main Authors: | , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2016
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/208084 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки / Ю.В. Крак, А.А. Голик, В.С. Касьянюк // Проблемы управления и информатики. — 2016. — № 2. — С. 135-142. — Бібліогр.: 15 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859667960705056768 |
|---|---|
| author | Крак, Ю.В. Голик, А.А. Касьянюк, В.С. |
| author_facet | Крак, Ю.В. Голик, А.А. Касьянюк, В.С. |
| citation_txt | Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки / Ю.В. Крак, А.А. Голик, В.С. Касьянюк // Проблемы управления и информатики. — 2016. — № 2. — С. 135-142. — Бібліогр.: 15 назв. — рос. |
| collection | DSpace DC |
| container_title | Проблемы управления и информатики |
| description | Розглянуто детальну класифікацію дактилем української жестової мови, підходи до отримання ефективних векторів ознак на базі геометричних характеристик дактилем. Запропоновано алгоритм розпізнавання на основі звуження множини можливих розв`язків. Наведено результати тестування реалізованої системи розпізнавання дактилем української жестової мови.
The paper covers detailed classification of dactylemes of Ukrainian sign language, approaches to obtaining effective feature vectors based on geometrical characteristics of dactylemes, recognition algorithm based on narrowing of a set of possible solutions is suggested. Testing results of implemented Ukrainian sign language dactylemes recognition system are presented.
|
| first_indexed | 2025-11-30T11:53:10Z |
| format | Article |
| fulltext |
© Ю.В. КРАК, А.О. ГОЛИК, В.С. КАСЬЯНЮК, 2016
Международный научно-технический журнал
«Проблемы управления и информатики», 2016, № 2 135
МЕТОДЫ ОБРАБОТКИ ИНФОРМАЦИИ
УДК 004.932.751
Ю.В. Крак, А.А. Голик, В.С. Касьянюк
РАСПОЗНАВАНИЕ ДАКТИЛЕМ
УКРАИНСКОГО ЖЕСТОВОГО
ЯЗЫКА НА ОСНОВЕ
ГЕОМЕТРИЧЕСКИХ ХАРАКТЕРИСТИК
ОТКЛОНЕНИЙ КОНТУРОВ КИСТИ РУКИ
Введение
Проблему распознавания дактилем, как и жестов в целом, условно делят на
три основных этапа: обработка входных данных, получение характеристических
признаков и распознавание. Для получения входных данных используются одна
или несколько веб-камер, специальные устройства, перчатки с датчиками и др.
(см., например, обзоры [1–5]). Для работы с веб-камерой возможно использование
однотонных и разноцветных перчаток, а также нахождение областей кисти руки по
соответствующему цвету кожи человека. В зависимости от выбранного источника
входных данных можно получить двух- либо трехмерную модель. Для выделения
характеристических признаков кисти руки человека при показе дактилем исполь-
зуются методы контурного анализа, скелетизации, геометро-топологических дан-
ных, гистограмм и др., а для распознавания — метод опорных векторов, нейронные
сети, скрытые марковские модели, анализ траектории движения руки и др. [6–10].
Постановка задачи
В настоящей работе постановка задачи формулируется следующим образом:
предложить конструктивные методы и алгоритмы для получения признаков и рас-
познавания дактилем украинской жестовой речи на основе полученного с веб-камеры
изображения (двухмерной модели). Осуществлена программная реализация си-
стемы распознавания дактилем, которая при правильной демонстрации произ-
вольным человеком позволяет распознавать их в реальном времени. Из оборудо-
вания используется компьютер со встроенной веб-камерой, поскольку разного ро-
да сенсоры и дополнительные устройства делают такую систему недоступной для
широкого использования. Для упрощения получения исходных данных допуска-
ется использование однотонной перчатки.
В разд. 1 данной статьи исследовалась классификация знаков дактильного
языка. В качестве источников данных использовался набор изображений (обу-
чающая выборка), где каждому дактилю отвечало порядка 200–300 изображе-
ний. Изучался подход к выделению информативно значимых частей изображе-
ния, в частности контура кисти, с последующим их анализом для получения
эффективных векторов признаков. В разд. 2 описан алгоритм распознавания
дактилем украинского жестового языка на основе сужения множества возмож-
ных решений. В разд. 3 реализована система распознавания, и практические экс-
перименты подтвердили эффективность предложенных подходов.
60
1956 2016
136 ISSN 0572-2691
Классификация дактилем украинской азбуки
Дактильный язык — своеобразная форма разговорной речи, где информация
передается по буквам движениями кисти и пальцев, причем дактилемы изобра-
жают буквы алфавита. Современная украинская дактильная азбука насчитывает
33 дактильных знака [11, 12], т.е. столько, сколько букв в украинской азбуке. Каж-
дая дактилема соответственно обозначает графему и демонстрируется согласно
речевой норме, принятой в общественной коммуникативной практике людей с
проблемами слуха, правила использования дактилем характеризуются систем-
ностью, исторической и социальной обусловленностью, стабильностью. Обо-
значение дактилем в украинской дактилологии передается тремя способами:
1) конфигурацией пальцев, 2) движением пальцев, 3) движением запястья руки.
Отметим, что 9 дактилем (Д, Є, З, Ї, Й, К, Ц, Щ, Ь) передаются сочетанием
конфигурации и движения запястья руки, дактилема Ґ — сочетанием конфигурации
и движения большого пальца, остальные 23 — только конфигурацией пальцев.
Дактилемы украинского жестового языка (это характерно и для дактилем
других жестовых языков) можно разделить на две группы: динамичные (движи-
мые) и статичные (недвижимые) (рис. 1).
Дактильный язык
Статичные:
А, Б, В, Г, Е, Ж, И, І, Л, М, Н, О, П,
Р, С, Т, У, Ф, Х, Ш, Ч, Ю, Я
Динамичные:
Д, Є, З, Ї, Й, К, Ц, Щ, Ь
Рис. 1
Динамичные дактилемы можно охарактеризовать изменением движений ки-
сти руки человека. Так, дактилемы Д, З, Ї, Й, К, Ц, Щ, Ь демонстрируются изме-
нением координат центра масс ладони. Их показывают разными траекториями
движения (рис. 2).
Динамичные дактилемы
запястье вправо: Ї, Ь
по контуру буквы: Д, З запястье вниз: Ц, Щ
по запястью: Й, К
Рис. 2
Из анализа демонстрации украинской дактильной азбуки следует, что часть
динамичных дактилем показывают как статический жест, но с определенным
движением (Ї, Й, Щ, К, Є, Ц). Для идентификации дактилем Ї, Й, Щ необходимо
идентифицировать движение и распознать дактилемы І, И, Ш (т.е. Ї — дактилема І
с движением, Й — дактилема И с движением, Щ — дактилема Ш с движением). Дак-
тилемы К, Є, Ц демонстрируются движением, но без изменения комбинации руки,
т.е. для идентификации дактилем К, Є, Ц необходимо идентифицировать комби-
нацию руки и движение, поэтому классифицируем их как недвижимые. Дактиле-
мы Д, З, Ь демонстрируются с изменением комбинации руки и движением. По-
этому для распознавания дактилем Д, З, Ь необходимо идентифицировать траек-
торию и промежуточные состояния руки.
Выделение на изображении контура кисти руки. В задачах распознава-
ния жестов на изображениях очень сложно выделить области, которые отве-
чают цвету кожи человека и соответствуют кисти руки, поскольку освещение,
фон и т.д. нестабильны. Поэтому во избежание постоянной перенастройки систе-
мы для показа дактилем предлагается использовать перчатку однотонного цвета,
не совпадающего с цветом кожи и фоном окружения [13]. Для выделения контура
Международный научно-технический журнал
«Проблемы управления и информатики», 2016, № 2 137
на изображении используем библиотеку OpenCV [14], поскольку имеющийся в
ней инструментарий для анализа изображения и поиска контуров позволяет полу-
чить контур кисти руки на изображении (рис. 3) достаточного качества для реше-
ния задач распознавания.
Рис. 3
Выделение характеристик контура кисти. Информация о выделенной части
изображения представляется специальным образом: в виде замкнутого контура —
формализованное описание объекта. Контур, в свою очередь, хранится в виде по-
следовательности точек, каждая из которых задается определенными координата-
ми, вычисленными относительно левого верхнего угла исходного изображения.
Отметим, что описание формируется так, чтобы сохранить информацию, которая
может использоваться для эффективного распознавания дактилем. В частности,
это относится к такой важной для распознавания информации, которая содержит-
ся в отклонениях (defects), — геометрических характеристиках, идентифицирую-
щих обьект и характеризующих взаимное расположение контура кисти и выпук-
лой оболочки, построенной вокруг этого контура. Так, на рис. 4 четыре дефекта
представлены криволинейными треугольниками с областями ломаной выпуклой
оболочки контура как основами. Реально изображение может содержать большое
количество дефектов, поэтому целесообразно сортировать эти отклонения на су-
щественные и незначимые, исключая последние из рассмотрения, что позволяет
учитывать только наиболее важную для распознавания информацию. Критериями
значимости могут выступать минимальные допустимые значения для определен-
ных характеристик дефекта.
Рис. 4
Среди основных характеристик дефектов можно выделить следующие: 1) дли-
на части выпуклой оболочки (основа дефекта); 2) высота дефекта, т.е. длина пер-
пендикуляра, опущенного с самой глубокой точки на прямую, на которой лежит
выпуклая оболочка; 3) количество точек контура, которые попали в границы де-
фекта; 4) относительные величины, базирующиеся на указанных выше характери-
стиках; 5) представление структуры дефекта в стандартизированной форме; 6) взаим-
ное расположение дефектов: угол наклона основы текущего дефекта относительно
основы предыдущего [13].
138 ISSN 0572-2691
Структуру дефекта можно представить в стандартизированной форме следу-
ющим алгоритмом.
1. Для начальной ),( 11start yxc и конечной ),( 22end yxc точек контура полу-
чить уравнение прямой, которая проходит через эти точки:
,0 CByAx (1)
где .,, 21122112 yxyxCxxByyA
2. Для всех точек контура ,end,start),,( iyxc iii которые попали в границы
дефекта, найти соответствующие расстояния от этих точек к прямой, полученной
на шаге 1:
.endstart,,
)( 22
i
BA
CbyAx
d
ii
i (2)
Из этих значений сформируем вектор характеристических признаков
),...,,( endstart ddd размерность sized которого равна числу точек контура, по-
павших в границы дефекта.
3. Поскольку число точек контура, которые попали в границы дефекта, отли-
чается при каждой демонстрации жеста, то размерность sized векторов признаков
будет переменной. В связи с этим предлагается следующий способ стандартиза-
ции вектора признаков.
3.1. Определить экспериментально оптимальную размерность эталонного
вектора признаков .etalonSized
3.2. Сравнить размерность текущего вектора признаков sized с числом
.etalonSized Если ,etalonSizesize dd то перейти на шаг 3.3а, иначе — на шаг 3.3б.
3.3а. Разделить размерность текущего вектора признаков sized на etalonSized
и округленную до большего целого числа; полученную величину обозначить
)./(ceilamount etalonSizesize dd Начиная с первого элемента текущего вектора при-
знаков, группировать элементы вектора в группы размером amount (или меньше,
если не хватает элементов):
},...,,{set 1amountstartamount)1(start jjj dd .etalonSize,1j (3)
Каждой группе поставить в соответствие среднее значение элементов этой
группы:
.amount,1,
amount
)( 1amountstartamount)1(start
j
dd
v
jj
j (4)
3.3б. Увеличить количество элементов вектора признаков на 1size d путем
вставки между существующими элементами вектора признаков дополнительных
элементов, значения которых вычисляются как среднее для значений двух сосед-
них существующих элементов:
...,,,
2
...,,
2
, 12/
12/2/21
211
kk
kk
k dv
dd
v
dd
vdv
.)12/(,
2
..., size12
1
22 sizesize
sizesize
size
dkdv
dd
v dd
dd
d
(5)
Если ,)22( etalonSizesize dd то перейти на шаг 3.3а, иначе — на шаг 3.3б.
Международный научно-технический журнал
«Проблемы управления и информатики», 2016, № 2 139
4. Нормализировать полученный на шаге 3 вектор признаков путем деления
всех его элементов на максимальный элемент этого вектора:
,
maxv
v
v i
i (6)
где .,1),(max etalonSizemax divv i
Проведенная на шаге 4 нормализация позволяет решить проблему изменения
расстояния от кисти до устройства записи. Понятно, что при удалении кисти от
веб-камеры значения вектора признаков будут уменьшаться, а при приближении —
увеличиваться. Но структура дефекта при этом не меняется, а значит, нормализа-
ция является обязательным шагом.
Таким образом, полученный в результате стандартизации вектор признаков
имеет размерность ,amount а значения его элементов находятся в интервале
],1,0[iv .amount,1i Такой вектор признаков можно использовать для опреде-
ления степени схожести структуры дефектов.
Отметим, что важная информация для распознавания символа по дефектам
содержится в их структуре и взаимном расположении [13, 15]. На дефектное опи-
сание ладони влияют определенные условия фиксации изображения, в частности
угол наклона устройства записи относительно ладони, положение руки, ракурс
демонстрации жеста в целом. Ввиду этого некоторые дактилемы могут быть опи-
саны разным набором дефектов и соответственно отнесены одновременно к не-
скольким классам.
В случае, когда системой распознавания получено единственное решение,
необходимо убедиться, является ли найденное решение ложным. Поэтому ак-
туален непосредственный анализ изображения жеста. Кроме выпуклой обо-
лочки вокруг контура кисти на изображении жеста , может быть построен
охватывающий прямоугольник минимального размера, в который можно впи-
сать контур жеста. Получив его координаты, можно выделить с изображения
часть, соответствующую этому прямоугольнику, и преобразовать ее в матри-
цу [13, 15].
Распознавание дактилем украинского жестового языка
Главная идея, реализованная в методе распознавания, — многоэтапность
обработки, в ходе которой проводится последовательное сужение множества
возможных решений. Такое сужение достигается использованием на каждом
этапе обработки достаточно широких допустимых интервалов для существен-
ных характеристик анализированного изображения. Преимущество такого
подхода заключается в отсеивании жестов, которые, вероятнее всего, не явля-
ются решением. Остальные переходят на следующий этап, где будут сравни-
ваться по другим критериям. При правильной настройке системы максималь-
ное количество дефектов, что характеризует изображение кисти, — четыре,
поэтому все знаки дактильного языка жестов разбиты на пять классов в соот-
ветствии с этим количеством. Пятый класс включает в себя те буквы, для ко-
торых значимых дефектов не найдено.
Работе алгоритма предшествует формирование обучающей выборки, на ко-
торой и вычисляются допустимые интервалы для характеристик дефектов и дру-
гих важных для распознавания величин, в частности Hu моментов [15], учитыва-
ется положения центра масс контура и проводится индикация наличия пустых об-
ластей внутри контура.
140 ISSN 0572-2691
Блок-схема предложенного алгоритма распознавания дактилем приведена на
рис. 5. Основные шаги алгоритма следующие: 1) захват видеопотока с устройства
записи и получение текущего изображения (кадра); 2) поиск на полученном изоб-
ражении контура, что отвечает кисти руки человека; 3) поиск дефектов контура
кисти и их сортировка на значимые и незначимые; 4) отнесение текущего дактиля
к одному из пяти классов согласно количеству значимых дефектов или их отсут-
ствию; 5) вычисление характеристик значимых дефектов; 6) сужение множества
возможных решений путем отброса тех, которые не отвечают полученным для те-
кущего дактиля характеристикам дефектов; 7) вычисление Hu моментов для кон-
тура текущего дактиля и сужение множества возможных решений по их значени-
ям; 8) применение векторов признаков в матричной форме для поиска или про-
верки окончательного результата распознавания.
Отметим, что на описание кисти руки наборами дефектов влияют некоторые
условия фиксации изображения, в частности угол наклона устройства записи от-
носительно ладони и положения руки. Реализация системы распознавания учиты-
вает все возможные варианты демонстрации жестов под разными углами и для
разных положений руки.
Удаление текущего элемента класса
из множества возможных решений
Характеристики
отвечают
интервалам?
Запуск
программы
Выход
Захват видеопотока
с устройства записи
Завершить
работу?
Контуры
найдены?
Сколько
дефектов?
Контур
найден?
Множество возможных
решений пустое?
Вычисление Hu моментов
для контура жеста
Множество возможных
решений пустое?
Построение и стандартизация
вектора признаков
в матричной форме
Отображение сообщения
о результате распознавания
Для каждого элемента
из множества
возможных решений
Для каждого элемента
из множества
возможных решений
Дискретизация видеопотока
Выделение текущего изображения
Поиск на изображении замкнутых
контуров и их фильтрация
Выделение и стандартизация части
изображения, охватывающего контур ладони
Поиск дефектов контура ладони и их
сортировка на значимые и незначимые
Отнесение дактиля к одному из пяти классов по коли-
честву значимых дефектов. Множество возможных реше-
ний формируется из элементов соответствующего класса
Проверка соответствия значений
каждого момента Hu установленным
при обучении системы допустимым
интервалам для текущего элемента
Проверка соответствия числовых характеристик
установленным при обучении системы допусти-
мым интервалам для текущего элемента класса
Все величины
отвечают ин-
тервалам?
Вычисление характеристик
значимых дефектов
Дефекты есть?
Удаление текущего элемента из
множества возможных решений
Для каждого
элемента класса
Вычисление расстояния соответствия вектора
признаков в матричной форме кластеру текущего
элемента из множества возможных решений
Поиск элемента, которому отвечает наименьшее
из полученных в предыдущем блоке расстояний
6 1
2
3
4
5
7
8
нет
нет
нет
нет
нет
нет
нет
нет
да
да
да
да
да
да
да
да
< = 5
> 5
Поиск контура, соответствующего ладони
Рис. 5
Международный научно-технический журнал
«Проблемы управления и информатики», 2016, № 2 141
Программная реализация системы распознавания дактилем
Предложенные в статье подходы программно реализованы в системе распо-
знавания дактилем украинского жестового языка (рис. 6). Ряд экспериментов под-
твердил эффективность созданной системы. Тестировалась эффективность распо-
знавания дактилем, качество поиска кисти на изображении и зависимость эффек-
тивности работы системы от условий среды. Результаты экспериментов показали
стабильную работу системы при разном освещении, фоне и расстоянии до
устройства записи.
Рис. 6
Заключение
В настоящей работе предлагается классификация дактилем украинского же-
стового языка, принципиальная с точки зрения последующей реализации систем
распознавания дактилем, а также предлагаются подходы к выделению и стандар-
тизации векторов характеристических признаков. Рассматриваются геометриче-
ские характеристики контура кисти и предлагается конструктивный алгоритм
распознавания дактилем на основе последовательного сужения множества воз-
можных решений. Данный алгоритм программно реализован в рамках системы
распознавания статичных дактилем украинского жестового языка. Использование
предложенных векторов признаков позволило получить эффективность распозна-
вания дактилем на уровне 86 %. В случае, когда после использования всех пред-
ложенных признаков множество возможных решений состоит из нескольких эле-
ментов, при необходимости система распознавания дает возможность выбрать
одно решение с наибольшей вероятностью его правильности. Дальнейшие иссле-
дования будут направлены на улучшение показателей работы системы за счет ин-
теграции дополнительных этапов распознавания.
Ю.В. Крак, А.О. Голік, В.С. Касьянюк
РОЗПІЗНАВАННЯ ДАКТИЛЕМ
УКРАЇНСЬКОЇ ЖЕСТОВОЇ МОВИ
НА ОСНОВІ ГЕОМЕТРИЧНИХ ХАРАКТЕРИСТИК
ВІДХИЛЕНЬ КОНТУРІВ КИСТІ РУКИ
Розглянуто детальну класифікацію дактилем української жестової мови, підхо-
ди до отримання ефективних векторів ознак на базі геометричних характерис-
тик дактилем. Запропоновано алгоритм розпізнавання на основі звуження мно-
жини можливих розв`язків. Наведено результати тестування реалізованої сис-
теми розпізнавання дактилем української жестової мови.
142 ISSN 0572-2691
Yu.V. Krak, A.A. Golik, V.S. Kasianiuk
RECOGNITION OF DACTYLEMES OF UKRAINIAN
SIGN LANGUAGE BASED ON THE HAND COUNTERS
DEFECTS GEOMETRIC CHARACTERISTICS
The paper covers detailed classification of dactylemes of Ukrainian sign language,
approaches to obtaining effective feature vectors based on geometrical characteristics
of dactylemes, recognition algorithm based on narrowing of a set of possible solu-
tions is suggested. Testing results of implemented Ukrainian sign language dac-
tylemes recognition system are presented.
1. Choudhary B., Raheja R. Survey of hand gesture recognition and sign language recognition // In-
ternational Journal of Research Review in Engineering Science & Technology. — 2015. — 4,
N 1. — P. 16–22.
2. Wang R.Y., Popovic J. Real-time hand-tracking with a color glove // ACM Trans. Graph. — 2009.
— 28, N 3. — Р. 631–638.
3. Wankhade V.A., Jadhav S.R. Sign language recognition – a new trend // International Journal of
Pure and Applied Research in Engineering and Technology. — 2015. — 3, N 9. — P. 1040–1048.
4. Noor Adnan I., Khan R. Survey on various gesture recognition technologies and techniques // In-
ternational Journal of Computer Applications. — 2012. — 50, N 7. — Р. 38 –44.
5. Pranjali S., Ubale V.S. Hand gesture recognition systems: A Survey // International Journal of In-
ventive Engineering and Sciences. — 2015. — 3, N 3. — P. 1–5.
6. Vamplew P., Adams A. Recognition of sign language gestures using neural networks // Neuropsy-
chological trends. — 2007. — 1. — Р. 31–41.
7. Комп’ютерне розпізнавання жестів: програмно-алгоритмічний підхід / О. Годич, М. Дави-
дов, Ю. Нікольський та ін. — Л. : ТОВ «Компанія «Манускрипт», 2011. — 310 с.
8. Suk H., Sin B.K., Lee S.W. Hand gesture recognition based on dynamic Bayesian network frame-
work // Journal Pattern Recognition. — 2010. — 43, N 9. — P. 3059–3072.
9. Кривонос Ю.Г., Крак Ю.В., Бармак А.В., Шкильнюк Д.В. Конструирование и идентифика-
ция элементов жестовой коммуникации // Кибернетика и системный анализ. — 2013. —
№ 2. — С. 3–8.
10. Кривонос Ю.Г., Крак Ю.В., Бармак О.В. Системи жестової комунікації: моделювання ін-
формаційних процесів. — Київ : Наук. думка, 2014. — 228 с.
11. Кульбіда С.В. Українська дактилологія. — Київ : Педагогічна думка, 2007. — 256 с.
12. Кривонос Ю.Г., Крак Ю.В., Барчукова Ю.В., Троценко Б.А. Параметризация движений ки-
сти руки человека для моделирования дактилем // Международный научно-технический жур-
нал «Проблемы управления и информатики». — 2011. — № 6 — С. 134–143.
13. Golik A.O. Standardization of geometrical characteristics in gesture recognition // International
Journal Information Theories & Applications. — 2014. — 21, N 1. — P. 48–53.
14. OpenCV (Open Source Computer Vision), Date Accessed: August 08, 2015. — http://opencv.org/.
15. Golik A.O., Donchenko V.S. Matrix feature vectors and Hu moments in gesture recognition //
International Journal «Information Technologies & Knowledge». — 2013. — 7, N 4. —
P. 380–391.
Получено 19.08.2015
Статья представлена к публикации членом редколлегии акад. НАН Украины Ю.Г. Кривоносом.
http://opencv.org/
|
| id | nasplib_isofts_kiev_ua-123456789-208084 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Russian |
| last_indexed | 2025-11-30T11:53:10Z |
| publishDate | 2016 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Крак, Ю.В. Голик, А.А. Касьянюк, В.С. 2025-10-19T10:25:31Z 2016 Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки / Ю.В. Крак, А.А. Голик, В.С. Касьянюк // Проблемы управления и информатики. — 2016. — № 2. — С. 135-142. — Бібліогр.: 15 назв. — рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/208084 004.932.751 10.1615/JAutomatInfScien.v48.i4.80 Розглянуто детальну класифікацію дактилем української жестової мови, підходи до отримання ефективних векторів ознак на базі геометричних характеристик дактилем. Запропоновано алгоритм розпізнавання на основі звуження множини можливих розв`язків. Наведено результати тестування реалізованої системи розпізнавання дактилем української жестової мови. The paper covers detailed classification of dactylemes of Ukrainian sign language, approaches to obtaining effective feature vectors based on geometrical characteristics of dactylemes, recognition algorithm based on narrowing of a set of possible solutions is suggested. Testing results of implemented Ukrainian sign language dactylemes recognition system are presented. ru Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Методы обработки информации Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки Розпізнавання дактилем української жестової мови на основі геометричних характеристик відхилень контурів кисті руки Recognition of dactylemes of Ukrainian sign language based on the hand counters defects geometric characteristics Article published earlier |
| spellingShingle | Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки Крак, Ю.В. Голик, А.А. Касьянюк, В.С. Методы обработки информации |
| title | Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки |
| title_alt | Розпізнавання дактилем української жестової мови на основі геометричних характеристик відхилень контурів кисті руки Recognition of dactylemes of Ukrainian sign language based on the hand counters defects geometric characteristics |
| title_full | Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки |
| title_fullStr | Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки |
| title_full_unstemmed | Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки |
| title_short | Распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки |
| title_sort | распознавание дактилем украинского жестового языка на основе геометрических характеристик отклонений контуров кисти руки |
| topic | Методы обработки информации |
| topic_facet | Методы обработки информации |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/208084 |
| work_keys_str_mv | AT krakûv raspoznavaniedaktilemukrainskogožestovogoâzykanaosnovegeometričeskihharakteristikotkloneniikonturovkistiruki AT golikaa raspoznavaniedaktilemukrainskogožestovogoâzykanaosnovegeometričeskihharakteristikotkloneniikonturovkistiruki AT kasʹânûkvs raspoznavaniedaktilemukrainskogožestovogoâzykanaosnovegeometričeskihharakteristikotkloneniikonturovkistiruki AT krakûv rozpíznavannâdaktilemukraínsʹkoížestovoímovinaosnovígeometričnihharakteristikvídhilenʹkonturívkistíruki AT golikaa rozpíznavannâdaktilemukraínsʹkoížestovoímovinaosnovígeometričnihharakteristikvídhilenʹkonturívkistíruki AT kasʹânûkvs rozpíznavannâdaktilemukraínsʹkoížestovoímovinaosnovígeometričnihharakteristikvídhilenʹkonturívkistíruki AT krakûv recognitionofdactylemesofukrainiansignlanguagebasedonthehandcountersdefectsgeometriccharacteristics AT golikaa recognitionofdactylemesofukrainiansignlanguagebasedonthehandcountersdefectsgeometriccharacteristics AT kasʹânûkvs recognitionofdactylemesofukrainiansignlanguagebasedonthehandcountersdefectsgeometriccharacteristics |