Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/39503
Назва: Математичне та програмне забезпечення комп’ютеризованої системи для розпізнавання жестів
Інші назви: Mathematics and Software of a Computerized Gesture Recognition System
Автори: Домарецький, Максим Володимирович
Domaretskiy, Maksim
Приналежність: Тернопільський національний технічний університет імені Івана Пулюя
Бібліографічний опис: Домарецький М. В. Математичне та програмне забезпечення комп’ютеризованої системи для розпізнавання жестів : кваліфікаційна робота магістра за спеціальністю 123 «Комп’ютерна інженерія» / М. В. Домарецький. — Тернопіль: ТНТУ, 2022. – 72 с.
Bibliographic description: Domaretskiy M.V. Mathematics and Software of a Computerized Gesture Recognition System: master thesis on specialty 123 «Computer engineering» / M.V. Domaretskiy – Ternopil Ivan Puluj National Technical University – Ternopil: TNTU, 2022. – 72 p.
Дата публікації: 21-гру-2022
Дата подання: 21-гру-2022
Дата внесення: 23-гру-2022
Видавництво: Тернопільський національний технічний університет імені Івана Пулюя
Країна (код): UA
Місце видання, проведення: Тернопільський національний технічний університет імені Івана Пулюя
Науковий керівник: Баран, Ігор Олегович
Baran, Ihor
Члени комітету: Цуприк, Галина Богданівна
Tsupryk, Halyna
УДК: 004. 932
Теми: 123
комп’ютерна інженерія
розпізнавання жестів
медіанна фільтрація
нейронна мережа
адаптивний алгоритм
акселерометр
gesture recognition
median filtering
neural network
adaptive algorithm
accelerometer
Кількість сторінок: 72
Короткий огляд (реферат): Кваліфікаційна робота присвячена дослідженню математичних основ та створенню на їх основі спеціалізованого програмного забезпечення для системи розпізнавання жестів. Проаналізовано методи і способи побудови систем розпізнавання жестів, побудовано архітектуру, функціональний склад і основні алгоритми функціонування системи. Запропонований алгоритм, що включає використання медіанного фільтра для нормалізації вхідних даних, і застосування методів машинного навчання, а саме алгоритм кластеризації методом k-медіан для підвищення точності при визначенні діапазонів напруг. Для реалізації розпізнавання жестів використана нейронна мережа. У середовищах MatLab та IDE Arduino розроблено спеціалізоване програмне забезпечення, що включає в себе фільтрацію вхідних даних, а також використання самоадаптивних алгоритмів для підвищення точності розпізнавання. Результати проведених експериментів показують, що розроблене програмне забезпечення дає змогу розпізнати жести з дактильної абетки української мови з високою точністю.
The thesis deals with the research of mathematical foundations and the creation of specialized software for the gesture recognition system based on them. The methods and ways of building gesture recognition systems were analyzed, the architecture, functional structure and basic algorithms of the system were built. The proposed algorithm includes the use of a median filter for input data normalization and the application of machine learning methods, namely the k-median clustering algorithm to increase accuracy in determining voltage ranges. A neural network was used to implement gesture recognition. In the MatLab and Arduino IDE environments, specialized software has been developed, which includes filtering of input data, as well as the use of self-adaptive algorithms to improve recognition accuracy. The results of the experiments show that the developed software makes it possible to recognize gestures from the dactyl alphabet of the Ukrainian language with high accuracy.
Зміст: ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ, ОДИНИЦЬ СКОРОЧЕНЬ І ТЕРМІНІВ 6 ВСТУП 9 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 12 1.1. Загальна інформація про мову жестів. 12 1.2. Структура жестової мови 13 1.3. Структура систем розпізнавання жестів 14 1.4. Огляд існуючих систем для розпізнавання жестів 15 1.5. Висновки до розділу 21 РОЗДІЛ 2. ТЕОРЕТИЧНА ЧАСТИНА 22 2.1. Методи фільтрації 22 2.1.1. Медіанна фільтрація 23 2.1.2. Алгоритм ковзного середнього 25 2.1.3. Фільтр Савицького-Голея 26 2.1.4. Обґрунтування обраного методу фільтрації 27 2.2. Алгоритми машинного навчання в обробці даних 28 2.2.1. Кластеризація даних методом k-середніх 30 2.2.2. Кластеризація даних методом k-медіан 31 2.2.3. Обґрунтування обраного методу кластеризації 32 2.3. Розробка структурної схеми пристрою 33 2.4. Розробка функціональної схеми пристрою 34 2.5. Алгоритм функціонування пристрою 36 2.6. Вибір платформи 37 2.7. Вибір давачів 39 2.7.1. Давач згину 39 2.7.2. Акселерометр 40 2.7.3. Передача даних 41 2.8. Висновки до розділу 42 РОЗДІЛ 3. ПРАКТИЧНА ЧАСТИНА. 44 3.1. Розробка алгоритму обробки вхідних даних 44 3.2. Розробка нейромережевого алгоритму 47 3.3 Розробка алгоритму визначення жесту 50 3.4. Тестування розробки 52 3.4.1. Тестування давача згину 52 3.4.2. Тестування модуля акселерометра 54 3.4.3. Тестування Bluetooth-модуля 58 3.5. Результати експериментів 59 3.6. Висновки до розділу 60 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 62 4.1. Охорона праці 62 4.2. Функціонування державної системи спостереження, збирання, оброблення та аналізу інформації про стан довкілля під час надзвичайних ситуацій мирного та воєнного часу 65 4.3. Висновки до розділу 67 ВИСНОВКИ 68 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 69 ДОДАТОК А. Тези конференції
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/39503
Власник авторського права: © Домарецький Максим Володимирович, 2022
Перелік літератури: 1. Правова допомога для людей з вадами слуху стала доступнішою. URL: https://minjust.gov.ua/news/ministry/pravova-dopomoga-dlya-lyudey-z-vadami-sluhu-stala-dostupnishoyu (дата звертання: 29.11.2022).
2.Я тебе (не) чую. Як в Україні живеться людям із порушеннями слуху. URL: https://lyuk.media/behind-city/hearing-loss/ (дата звертання: 30.11.2022).
3. Зборовська Н., Кульбіда С. Особливості лінгвістичного дослідження української жестової мови у доробку Р.Г.Краєвського // Жестова мова й сучасність: Збірник наукових праць. Вип. 2. Київ,2007. С. 197 – 210.
4. Крак Ю.В., Шкільнюк Д.В. Технологія розпізнавання елементів дактильно-жестової мови // Штучний інтелект. 2009.№ 3. С. 564-572.
5. Українська жестова мова. URL: https://uk.wikipedia.org/wiki/Українська_ жестова_мова (дата звертання: 30.11.2022).
6. Дробот О.А. Українська жестова мова. У 2 ч. : навч. посіб. Ч. 1., Ч.2. Київ : Либідь, 2018. 112 с.
7. Домарецький М.В. Огляд систем для розпізнавання жестів: Інформаційні моделі, системи та технології: Праці X наук.-техн. конф. (Тернопіль, 07-08 грудня 2022 р.), Тернопіль, 2022. – С. 62.
8. Microsoft навчила Kinect розпізнавати і переводити мову жестів. 3DNews Daily Digital Digest. URL: https://www.pngwing.com/uk/free-png-kkosb (дата звертання: 03.12.2022).
9. Visual interpretation hand gestures for human-computer interaction: a review. IEEE Xplore Digital Library. URL:https://ieeexplore.ieee.org/document/ 598226 (дата звертання: 03.12.2022).
10. The Language of Glove: Wireless gesture decoder with low-power and stretchable hybrid electronics PLOS ONE: accelerating the publication of peer-reviewed science. URL: http://journals.plos.org/plosone/article?id=10.1371/ journal.pone.0179766 (дата звертання: 03.12.2022).
11. Магічні жести як виклик для електронщика: Хабр URL: https://geektimes.ru/post/289005/ (дата звертання: 03.12.2022).
12. Стодоларова рукавичка переведе мову жестів в текст. N + 1: наукові статті, новини, відкриття. URL:https://nplus1.ru/news/2017/07/13/ASL-glove (дата звертання: 05.12.2022).
13. Multi-sensor System for Driver's Hand-Gesture Recognition: URL: https://people.csail.mit.edu/kapu/papers/DriverHandGestureFG2015.pdf (дата звертання: 04.12.2022).
14. Deep sign — универсальная технология распознавания жестов. URL: https://vc.ru/tribuna/38876-deep-sign-universalnaya-tehnologiyaraspoznavaniya-zhestov (дата звертання: 04.12.2022).
15. KINECT - як влаштований і працює. URL: https://jak.koshachek.com/ articles/kinect-kinekt-jak-vlashtovanij-i-pracjue.html (дата звертання:03.12.2022).
16. OVITO - The Open Visualization Tool. URL: https://ovito.org/ (дата звертання: 04.12.2022).
17. Шуми та перешкоди. Bourabai Research Institution. URL: http://bourabai.ru/signals/ts0102.htm (дата звертання: 12.12.2022).
18. Віконне згладжування. Теорія та практика цифрового опрацювання сигналу. URL: http://www.dsplib.ru/content/win/win.html (дата звертання: 12.12.2022).
19. MATLAB for Students. URL: https://www.mathworks.com/products/ matlab/student.html (дата звертання: 12.12.2022).
20. Алгоритм ковзного середнього (Simple oving Average): Habr.com. URL: https://habr.com/ua/post/134375/ (дата звертання: 12.12.2022).
21. Curve Fitting Toolbox. Fit curves and surfaces to data using regression, interpolation, and smoothing. URL: https://www.mathworks.com/products/ curvefitting.html (дата звертання: 12.12.2022).
22. Кононова К. Ю. Машинне навчання: методи та моделі. Харків: ХНУ імені В. Н. Каразіна, 2020. 301 с.
23. Швидкий алгоритм кластерного аналізу k-medoids: https://lektsia.com/6xe906.html (дата звертання: 12.12.2022).
24. Що таке мікроконтролери AVR: URL: https://arduino.ua/prod4150-mikrokontrolleri-avr-ot-azov-programmirovaniya-do-sozdaniya-prakticheskih-ystroistv-2-e-izd--virtyalnii-disk (дата звертання: 13.12.2022).
25. Апаратна платформа Arduino. URL: http://arduino.ua/ (дата звертання: 13.12.2022).
26. FS-L-0095-103-ST DATASHEET. URL: https://www.digikey.be/en products/detail/spectra-symbol/FS-L-095-103-ST/ 2175377 (дата звертання: 13.12.2022).
27. ADXL345 Analog Devices. URL: https://www.analog.com/en /products/adxl345.html (дата звертання: 14.12.2022).
29. Arduino і модулі Bluetooth HC-05/06. URL: https://arduino.ua/prod241-bluetooth-modyl-hc-06 (дата звертання: 14.12.2022).
30. Arduino IDE. Arduino URL: https://www.arduino.cc/en/Main/Software (дата звертання: 14.12.2022).
31. Алгоритм Левенберга-Марквардта. URL: https://uk.wikipedia.org/wiki/Алгоритм_Левенберга_—_Марквардта (дата звертання: 14.12.2022).
32. Давидов М.В. Методи та засоби опрацювання зображень реального часу для ідентифікації елементів жестової мови / М.В. Давидов, Ю.В. Нікольський // Штучний інтелект. – 2008. – № 1. – С. 131-138.
33. Технологія комп’ютерного зору: типові помилки під час розробки та впровадження. URL: https://brainberry.ua/uk/newsroom/blog/computer-vision-technology-common-mistakes (дата звертання: 14.12.2022).
34. Heung-Il Suk Robust Modelling and Recognition of Hand Gestures with Dynamic Bayesian Network / Heung-Il Suk, Bong-Kee Sin, Seong-Whan Lee // Pattern Recognition, 2008. ICPR 2008. 19th International Conference, (8-11 Dec. 2008). P. 1-4.
35. Marcel Sebastien. Hand Gesture Recognition using Input-Output Hidden Markov Models / Sebastien Marcel, Olivier Bernier, Jean-Emmanuel Viallet, Daniel Collobert // Face and Gesture Recognition (FG ‘00). P. 456-462.
36. Thomas Coogan. Real time hand gesture recognition including hand segmentation and tracking / Thomas Coogan, George Awad, Junwei Han, Alistair Sutherland // Advances in Visual Computing. 2006. P. 495-504.
37. Radu-Daniel Vatavu. Above-the-Table Interactions for Intelligent Sensing Systems / Radu-Daniel Vatavu, Stefan-Gheorghe Pentiuc // 9th International Conference on Development and application systems, Suceava, Romania, (May 22-24, 2008). P. 285-288.
38. Толок А.О. Крюковська О.А. Безпека життєдіяльності: Навч. посібник. 2011. 215 с.
Тип вмісту: Master Thesis
Розташовується у зібраннях:123 — комп’ютерна інженерія



Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора