Общение немых людей все жесты алфавит: Северо-Восточный федеральный университет имени М.К.Аммосова

Язык жестов глухонемых, дактилология в картинках

• Русский алфавит
• Алфавиты и азбуки
• Азбука глухонемых

Азбуку для глухонемых людей ещё называют дактильным алфавитом и азбукой Жестуно. Термин «дактилология» включает в себя два значения: алфавит и речь.

1. Русский алфавит глухонемых
2. История создания
3. Обучение языку жестов
4. Использование

Русский алфавит глухонемых

Алфавит глухонемых представлен на разных языках, в том числе на русском. Ниже показана азбука глухонемых для букв русского алфавита.

Скачать и распечатать
азбуку глухонемых

Картинка: png, 1178×1212 px, 308 Кб
Печатать Скачать

История создания

Достоверно неизвестно, кто стал создателем алфавита для глухонемых, но есть свидетельства, что пальцевые буквы были изображены еще в латинской Библии. Это говорит об использовании языка глухонемых еще в древности. Есть мнение, что первым обратил внимание на проблемы людей с ограниченными возможностями речи итальянский лекарь Д.Кардан. Его работа послужила толчком для развития дактильной речи, и к концу 17-го века был создан алфавит с использованием букв «на пальцах».

В России же первая школа с сурдопедагогическим уклоном был открыта в 1806 году под Санкт-Петербургом. В России и США была использована французская методика, которая наложила существенный след в их общем развитии. В Москве такая же школа открыла двери почти через 60 лет.

Много сил на развитие языка жестов было потрачено выдающимися личностями: ведущим специалистом по дефектологии Г.Л.Зайцевой и судрдопреподавателем И.Ф.Гейльманом, который открыл первый в России техникум для слабослышащих и глухонемых.

Жестовая речь со временем стала одним из международных языков и приобрела название Жестуно, которая пользуется актуальностью и по сей день.

Обучение языку жестов

В бывшем Союзе республик язык жестов централизованно преподавался в специальных учреждения, школах для плохослышащих, что и обусловило преобладание единого алфавита жестов на этой территории.

В 2012 году сурдоязык получил официальный статус, дающий возможность пройти подготовку или переподготовку преподавателям и просто заинтересованным лицам в спецобразовательных учреждениях. Получить необходимые знания и навыки для общения с людьми, которые плохо слышат или являются глухонемыми, можно в следующих местах:

• бесплатные занятия может пройти любой желающий в сообществах глухонемых, что позволяет проверить свои знания тут же на практике;
• многие образовательные учреждения имеют в своих программах и обучающие курсы по изучению языка жестов;
• в спецшколах, методических центрах можно найти платные курсы, обеспечивающие знаниями и практическими навыками в области Жестуно.

Для освоения языка жестов курсы предоставляют три уровня изучения:

• первый — базовая основа для тех, кто только начинает изучение, даются знания лексических норм и общение вживую;
• второй — дает более глубокие знания для тех, кто уже освоил базовый уровень;
• третий — совершенствует навыки лингвистики и синхронного перевода.

По окончании курсов выдается свидетельство с указанием освоенного уровня. Данное свидетельство не является документом, удостоверяющим возможность работы переводчиком жестового языка. Для этого потребуется прохождение уполномоченной комиссии.

Использование азбуки глухонемых

В первую очередь язык жестов необходим для людей, которые не могут в силу своих особенностей на равных общаться с членами окружающего их общества. Благодаря азбуке пальцев они имеют отличную возможность общаться друг с другом и близкими им людьми, получать желаемое образование и необходимую информацию.

Знание языка жестов позволяет педагогам обрести работу или дать образование тем, кто в нем нуждается. Зная алфавит глухонемых, можно поделиться секретной информацией в общественном месте. Когда необходимо соблюдать режим тишины, также может выручить пальцевой алфавит.

Алфавит глухонемых позволяет людям переживать все свойственные их сородичам эмоции: влюбленные могут объясниться в своих чувствах, дети поделиться с родными своими достижениями, родители рассказать детям о любви к ним. Язык жестов раскрывает широкие возможности в карьере.

Азбука МорзеАзбука БрайляАзбука ЖестуноСемафорная азбукаРадиоалфавит (фонетический)

Что такое жестовый говор и как глухие люди из разных стран общаются друг с другом? |

18 января 2016

Архивное аудио

Загрузить

В  новом, 2016 году, в России вступил в силу приказ, обязывающий сотрудников МВД обучаться языку жестов. Полицейские отныне должны уметь объясняться с теми, кто страдает глухотой или нарушениями слуха. Конечно, язык жестов должны знать не все стражи порядка, а лишь те, кто работает на транспорте или несет службу в районах, где расположены учреждения по работе с глухими и глухонемыми людьми. Часть сотрудников МВД будет обучена также тифлосурдопереводу – то есть общению со слепоглухими.

Данные меры, хоть они и сделают жизнь людей с инвалидностью в чем-то легче, конечно, – лишь капля в море. Что такое сотни полицейских в сравнении с миллионами людей – обычных граждан, которые не понимают и не хотят понимать глухих и слабослышащих? Об отношении общества к таким людям, а также о возможностях интеграции людей с проблемами слуха в интервью нашему Радио рассказал Дамир Тузмухамедов. Дамир закончил сначала российский ВУЗ, а сейчас проходит обучение в вашингтонском университете Галлодэте. С ним беседовала Людмила Благонравова.

*****

ДТ: Отношение к людям с ограниченными возможностями в России и в США различается. Если в Штатах к ним относятся уважительно, как к равным людям, то в России, к сожалению, это не везде наблюдается. Например, если в Штатах ты пришел в ресторан и сказал, что ты глухой, там официант либо достанет телефон, либо листок бумаги, или же, если он знает жестовый язык, начнет общаться с тобой. А в России начнут орать просто. Там думают, что все глухие люди — неполноценные.

Что касается системы образования – в России, к сожалению, нет полноценного ВУЗа для глухих, но есть несколько ВУЗов, где учатся глухие. В основном, они учатся вместе со слышащими, то есть предполагается интеграция. Вот, например, Бауманский университет. При нем есть специальный центр – Головной учебно-исследовательский методический центр (ГУИМЦ). Программа такова, что первые три года глухие студенты учатся отдельно, с сурдопереводчиком. А потом они снова поступают на третий курс, но вместе со слышащими. И дальше все зависит от обстановки – либо, если им нужен переводчик, они просят переводчика, если нет – то без переводчика.

В Штатах есть ВУЗ в Вашингтоне – единственный во всем мире, где учатся глухие вместе со слышащими. Но суть в том, что там весь учебный процесс ведется на жестовом языке. Там есть некоторые глухие, которые по каким-то причинам не знают жестового языка. Они запрашивают помощь сурдопереводчика. Второй ВУЗ находится в Рочестере. Там тоже есть свой центр, но там глухие учатся сразу вместе со слышащими. Вот такое отличие.

Ну и, конечно, другие отношение между студентами и преподавателями, что меня крайне изумило. Такого не увидишь в России.

ЛБ: Как слабослышащие и глухие люди из разных стран общаются друг с другом? Насколько отличаются жестовые языки разных стран?

ДТ: На самом деле, жестовые языки различаются. Слышащие думают, что во всем мире один жестовый язык. На самом деле – нет. Даже, например, в Германии и в Австрии, там один язык – немецкий, но жестовые языки совершенно разные.

У меня был такой опыт. Когда я только начал учиться, я не знал американского жестового языка. Я знаю русский жестовый язык. И моим первым соседом был китаец. И мы не знали, как общаться. Мы кое-как пользовались «языком телодвижений». Со временем, когда мы начали учить американский жестовый язык, мы постепенно начали на него переходить.

Иногда мы пользуемся смешанным или, другими словами, международным жестовым языком.

ЛБ: То есть все-таки существует международный жестовый язык?

ДТ: Да, но это искусственный язык. Но, на самом деле, каждый глухой вставляет свои жесты.

ЛБ: Вы можете рассказать о жестовом языке в России? Есть ли какие-то отличия по регионам?

ДТ: Да, есть. Это то же самое, что говор – московский, питерский. Скажем, в Москве и в Питере кое-какие жесты отличаются. То же самое в Штатах. Одну и ту же вещь показывают по-разному. Это все зависит от ситуации, от общества, от региона. В Штатах даже есть такое понятие – «черный» американский жестовый язык. Имеется ввиду жестовый язык чернокожих. Там жесты отличаются.

ЛБ: Есть ли у Вас надежда, что в России в ближайшем будущем изменится отношение к людям с ограниченными возможностями?

ДТ: Конечно, хочется надеяться на это. Но на это уйдет немало времени. Чтобы отношение общества к подобным мне людям изменилось, его нужно прививать с детства. Людям в возрасте 30 лет трудно это привить.

Photo Credit

Regions

Здравоохранение

Инвалиды

Интервью

Репортажи

Система распознавания жестового языка для глухих и немых людей – IJERT

Система распознавания жестового языка для глухих и немых людей

Сакши Гоял1, Ишита Шарма2, Шану Шарма3

Индия,

2Студент кафедры CSE, ASET, Университет Амити, Нойда, Уттар-Прадеш, Индия,

0005

Язык жестов очень важен для людей с нарушениями слуха и речи, которые обычно называют глухими и немыми. Это единственный способ общения для таких людей, чтобы передать свои сообщения, и людям становится очень важно понимать их язык. В этой статье предлагается метод или алгоритм для приложения, которое поможет распознавать различные знаки, называемые индийским языком жестов. Изображения ладонной стороны правой и левой руки загружаются во время выполнения. Метод был разработан применительно к одному пользователю. Изображения в реальном времени будут сначала захвачены, а затем сохранены в каталоге, а на недавно захваченном изображении и извлечении признаков будет происходить определение того, какой знак был сформулирован пользователем с помощью алгоритма SIFT (преобразование Фурье с инвариантностью масштаба). Сравнения будут выполняться с опозданием, а затем после сравнения результат будет получен в соответствии с совпадающими ключевыми точками от входного изображения до изображения, сохраненного для определенной буквы, уже в каталоге или базе данных, результаты для следующего можно увидеть ниже разделы. В индийском языке жестов есть 26 знаков, соответствующих каждому алфавиту, из которых предложенный алгоритм предоставил 9.5% точные результаты для 9 алфавитов с их изображениями, снятыми под любым возможным углом и расстоянием, т.е. для каждого алфавита, даже если есть примерно 5 изображений под разными углами и расстояниями, тогда алгоритм работает точно для 45 типов входных данных.

Ключевые слова Индийский язык жестов, извлечение признаков, сопоставление ключевых точек, распознавание знаков/жестов

1. Введение

   Наладить общение или взаимодействие с глухими и немыми людьми в наше время крайне важно. Эти люди взаимодействуют с помощью жестов рук или знаков. Жесты — это в основном форма физического действия, выполняемая человеком для передачи некоторой значимой информации. Жесты являются мощным средством общения между людьми. На самом деле жестикулирование настолько глубоко укоренилось в нашем общении, что люди часто продолжают жестикулировать и во время разговора по телефону. Существуют различные знаки, которые выражают сложные значения

   , и распознавание их — сложная задача для людей, не понимающих этот язык.

   Трудно найти опытного и образованного переводчика жестового языка всегда и везде, но система взаимодействия человека с компьютером для этого может быть установлена ​​везде, где это возможно. Мотивация для разработки такого полезного приложения исходила из того факта, что оно будет иметь огромное значение для социальной помощи людям, а также для социальной осведомленности. Замечательной способностью человеческого зрения является распознавание жестов, она заметна в основном у глухих людей при общении друг с другом посредством языка жестов, а также со слышащими людьми. В этой статье мы беремся за одну из социальных задач, чтобы дать этой массе постоянное решение в общении с нормальными людьми.

   Язык жестов классифицируется в соответствии с такими регионами, как индийский, американский, китайский, арабский и т. Д., И исследования по распознаванию жестов рук, распознаванию образов, обработке изображений были проведены предположительно странами, а также для улучшения приложений и доведения их до лучших результатов. уровни.

2. Обзор литературы

   Как упоминалось во введении, было проведено множество исследований, поскольку эта тема стала очень влиятельной и вызывает все больший интерес. Некоторые методы объясняются ниже:

   В документе «Распознавание жестов рук в реальном времени» был описан алгоритм, в котором сначала видео было захвачено, а затем разделено на различные кадры, из которых был извлечен кадр с изображением, а затем из этого кадра различные функции, такие как «Разница гауссова». Масштабный детектор функций пространства и т. д. были извлечены через SIFT, что помогло в распознавании жестов [1].

   Арчана С. Готкар, Руча Хатал, Санджана Хупасе, Сурбхи Асати и Митхила Хадоп разработали другой метод распознавания жестов рук для индийского языка жестов, состоящий из использования Camshift и HSV

   , а затем распознавание жеста с помощью генетического алгоритма, в последующем применение модели camshift и HSV было затруднено, потому что сделать его совместимым с различными версиями MATLAB было непросто, а генетический алгоритм требует огромного количества времени для его разработки.

   П. Субха Раджан и доктор Г. Балакришнан разработали метод распознавания жестов для индийского языка жестов, в котором предлагалось распознавать каждый жест с помощью 7-битной ориентации и процесса генерации посредством сканирования ВПРАВО и ВЛЕВО. Следующий процесс требовал примерно шести модулей и был утомительным методом распознавания знаков[3].

   Т. Шанаблех разработал метод распознавания изолированных жестов на арабском языке жестов в независимом от пользователя режиме. В этом методе подписывающие лица носили перчатки, чтобы упростить процесс разделения рук подписывающего посредством цветовой сегментации. Эффективность предложенной независимой от пользователя схемы выделения признаков оценивалась двумя разными методами классификации; а именно, K-NN и полиномиальные сети. Многие исследователи использовали специальные устройства для распознавания жестового языка[4].

   Byung-woo min et al представили визуальное распознавание статического жеста или динамического жеста, при котором распознаются жесты рук, полученные из визуальных изображений на плоскости 2D-изображения без каких-либо внешних устройств. Жесты определялись переходом состояния, специфичным для задачи, на основе естественной артикуляции человека[8].

   Статические жесты были распознаны с использованием моментов изображения положения рук, а динамические жесты были распознаны путем анализа их траекторий движения на скрытых марковских моделях (HMM).

3. Предлагаемая методология

   Предложенный алгоритм состоял из четырех основных шагов, а именно: получение изображения, извлечение признаков, определение ориентации и распознавание жестов, что также показано на приведенном ниже рис. 1.

   Все следующие шаги подробно объясняются в последней части документа со всей информацией о том, как работает модуль и какое поведение он предположительно должен отображать. При принятии решения о следующем алгоритме было замечено, что этапы предварительной обработки, которые должны применяться к изображениям для удаления шума на заднем плане, вообще не требовались, и был сделан вывод, что подход прост и легок в реализации. Шаги методологии объясняются более подробно:

   Получение изображения

   Масштаб пространственного обнаружения экстремумов

   Получение изображения

   Масштаб пространственного обнаружения экстремумов

   Локализация ключевых точек

   Локализация ключевых точек

   Распознавание жестов

   Распознавание жестов

   Извлечение признаков

   Обнаружение ориентации

   Назначение ориентации

   Обнаружение ориентации

   Назначение ориентации

   Дескриптор ключевой точки

   Дескриптор ключевой точки

   Рисунок 1. Блок-схема предлагаемой системы распознавания жестового языка

   1. Получение изображения

      Первым этапом получения изображения, как следует из названия, является получение изображения во время выполнения с помощью встроенной веб-камеры и во время захвата. Изображения будут сохранены в каталоге, как только они будут захвачены, а недавно захваченное изображение будет получено и будет сравниваться с изображениями, сохраненными для определенной буквы в базе данных, с использованием алгоритма SIFT, и сравнение даст жест, который был сделан и переведенный текст для следующего жеста. Изображения будут захвачены с помощью базового кода открытия веб-камеры через MATLAB, а затем захват изображения через кадры в секунду, которые будут храниться в другом каталоге, где все входные изображения хранятся в другом каталоге, а последнее захваченное изображение выбирается и производится сравнение с заданным набором изображений.

      Интерфейс приложения снабжен кнопкой СТАРТ, когда пользователь нажимает на кнопку, она работает, чтобы открыть встроенную веб-камеру, и кнопка меняет свой статус на СТОП, и когда пользователь готов жестом, он может нажать на кнопку кнопку, и этот кадр будет захвачен и сохранен в каталоге.

      Жест букв, показанный на рис. 2, используется для тестирования алгоритма распознавания[2].

      А

      А

      Б

      Б

      С

      С

      Д

      Д

      Ф

      Ф

      Г

      Г

      Можно также обнаружить стабильные ключевые точки на изображении, найдя экстремумы в масштабном пространстве, D(x, y, ), вычислив разницу между двумя изображениями, одно из которых масштабируется в k раз, а другое. D(x, y, ) определяется уравнением 2:

      D(x, y, ) = L(x, y, k) – L(x, y, ) (2)

      Х И К

      О К В

      Х У

      Для обнаружения локальных максимумов и минимумов D(x, y, ) каждая точка сравнивается с 8 ее соседями в том же масштабе, и ее 9соседи вверх и вниз по одной шкале. Если это значение является минимумом или максимумом всех этих точек, то эта точка является экстремумом.

      3.2.2. Локализация ключевых точек. На этом этапе делается попытка удалить больше точек из списка ключевых точек, найдя те, которые имеют низкий контраст или плохо локализованы на краю. Это достигается вычислением лапласиана. Расположение экстремума z определяется как:

      Рисунок 2. Жесты для разных знаков

      =

      21

      2

   2. Извлечение признаков

      Для любого объекта существует множество особенностей, интересных точек на объекте, которые можно извлечь, чтобы предоставить «характеристическое» описание объекта. Функции изображения SIFT предоставляют набор функций объекта, на которые не влияют многие сложности, присущие другим методам, такие как масштабирование и вращение объекта. Подход SIFT для создания признаков изображения берет изображение и преобразует его в «большую коллекцию векторов локальных признаков». Каждый из этих векторов признаков инвариантен к любому масштабированию, повороту или перемещению изображения. Чтобы помочь в извлечении этих функций, алгоритм SIFT применяет 4-этапный подход к фильтрации[1][5]:

      1. Обнаружение масштабно-пространственных экстремумов. На этом этапе фильтрации делается попытка идентифицировать те местоположения и масштабы, которые можно идентифицировать с разных видов одного и того же объекта. Это может быть эффективно достигнуто с помощью функции «масштабного пространства». Он основан на функции Гаусса. Масштабное пространство определяется уравнением 1.

         L(x, y, ) = G(x, y, ) * I(x, y) (1)

         Где * — оператор свертки, G(x, y, ) — гауссов переменный масштаб, а I(x, y) — входное изображение.

         Если значение функции на z ниже порогового значения, то эта точка исключается. Это удаляет экстремумы с низким контрастом. Для устранения экстремумов, основанных на плохой локализации, отмечается, что в этих случаях существует большая принципиальная кривизна поперек края, но малая кривизна в перпендикулярном направлении в разности функции Гаусса. Если эта разница ниже отношения наибольшего собственного вектора к наименьшему из матрицы Гессе 2 × 2 в месте и масштабе ключевой точки, ключевая точка отклоняется.

         1. Назначение ориентации. Этот шаг направлен на назначение постоянной ориентации ключевым точкам на основе локальных свойств изображения. Затем дескриптор ключевой точки может быть представлен относительно этой ориентации, достигая инвариантности к вращению. Подход, используемый для поиска ориентации:

            • Используйте шкалу ключевых точек, чтобы выбрать сглаженное по Гауссу изображение L

            • Вычислить величину градиента, м

              .

              = ( + 1, ( 1, ))2 + ( , + 1 (, 1))2

            • Вычислить ориентацию,

              , = загар( , + 1

              . 1 )/( + 1,

              1, ))

            • Сформируйте гистограмму ориентации из градиентных ориентаций выборочных точек, а затем найдите самый высокий пик на гистограмме. Используйте этот пик и любой другой локальный пик в пределах 80% от высоты этого пика, чтобы создать ключевую точку с этой ориентацией. Некоторым точкам будет назначено несколько ориентаций. Сопоставьте параболу с 3 значениями гистограммы, ближайшими к каждому пику, чтобы интерполировать положение пиков.

         2. Дескриптор ключевой точки. Данные локального градиента, использованные выше, также используются для создания дескрипторов ключевых точек. Информация о градиенте поворачивается, чтобы соответствовать ориентации ключевой точки, а затем взвешивается по Гауссу с дисперсией 1,5 * масштаб ключевой точки. Затем эти данные используются для создания набора гистограмм по окну с центром в ключевой точке[6].

         Дескрипторы ключевых точек обычно используют набор из 16 гистограмм, выровненных по сетке 4×4, каждая с 8 ячейками ориентации, по одной для каждого из основных направлений по компасу и по одной для каждой из средних точек этих направлений. В результате получается вектор признаков, содержащий 128 элементов.

         Эти результирующие векторы известны как ключи SIFT и используются в методе ближайших соседей для идентификации возможных объектов на изображении. Идентифицируются наборы ключей, которые согласуются по возможной модели, когда 3 или более ключей согласуются по параметрам модели, эта модель проявляется на изображении с высокой вероятностью. Из-за большого количества ключей SIFT в изображении объекта обычно изображение размером 500 × 500 пикселей будет генерироваться в районе 2000 признаков, возможны значительные уровни окклюзии, в то время как изображение все еще распознается с помощью этого метода.

         В базе данных мы уже предоставили по одному изображению каждого знака для сравнения. После того, как входное изображение будет предоставлено приложению с помощью функций, определенных SIFT, приложение сначала вычислит ключевые точки входного изображения после вычисления ключевых точек входного изображения, после чего начнется сравнение. Приложение выбирает все изображения, указанные в базе данных, одно за другим, находит ключевые точки каждого изображения одну за другой и находит количество совпадающих ключевых точек, сравнения с наибольшими совпадающими ключевыми точками в изображении будут играть ведущую роль и будут производиться в качестве выходных данных. . Следующий процесс объясняется на примере вместе с рисунками.

         Предположительно, если мы предоставим входное изображение в качестве знака/жеста для символа C

         Рисунок 3. Ключевые точки, рассчитанные для входного изображения

         66 ключевых точек были найдены для жеста ввода с помощью алгоритма SIFT, который можно увидеть на рис. 3. После этого он выбирает первое изображение в базе данных, вычисляет ключевые точки для первого изображения как 71 ключевую точку, но из следующих ни одна не совпадает между двумя изображений. На приведенном ниже рис. 4 также показано следующее.

         Рисунок 4. Нет соответствия ключевых точек между базой данных и входным изображением

         Аналогичным образом он переходит к следующему изображению в базе данных, чтобы вычислить его 57 ключевых точек только с двумя совпадающими точками между двумя изображениями, как показано на рис. 5.

         Рисунок 5. Только две ключевые точки совпадают между входными данными и образом базы данных

         На рис. 6 он вычисляет 50 ключевых точек только с одной ключевой точкой, совпавшей со следующим изображением в базе данных.

         Рисунок 6. Только одна ключевая точка совпадает между изображениями

         И, наконец, после вычисления для каждого изображения в базе данных он, наконец, находит наивысшие ключевые точки, соответствующие изображению, т.е. 8 ключевых точек, соответствующих ему, завершает сравнение знаков с совпадающим изображением из базы данных. См. рис. 7.

         Рисунок 7. Наибольшее количество ключевых точек, совпадающих с изображением, т. е. найдено 8 ключевых точек

         правильно и отображается

         1. Обнаружение ориентации

            При обнаружении ориентации мы будем принимать входные данные о движении руки в любой форме или любой ориентации, жест будет обнаружен через описанный раздел извлечения признаков, поскольку алгоритм SIFT также включает процедуру назначения ориентации[7].

         2. Распознавание жестов

         Наконец, когда весь процесс будет завершен, приложение затем преобразует жест в его распознанный символ или алфавит, который может быть полезен для понимания на языке непрофессионалов. Следующий процесс включает в себя передачу одномерного массива из 26 символов, соответствующих алфавитам, где был передан номер изображения

         .

         , хранящихся в базе данных, предоставляется в массиве. Предположительно, если изображение 2.jpg имеет в базе данных символ B, то в массиве передается 2. Таким образом, изображение выбирается из массива, и соответствующий алфавит отображается в интерфейсе, как показано в данном интерфейсе ниже.

         Рисунок 8. Вывод в интерфейсе для символа B

4. Заключение

   Результаты, показанные на рис. 8, представляют выходные данные для знака/жеста для символа B, а на рис. 3 показаны точки SIFT, рассчитанные для любого входного изображения, а с рис. 4 по рис. 5 показаны изображения сравнений, происходящих с опозданием, и алгоритм работает. С помощью нашего алгоритма мы смогли успешно декодировать видео с кадрами. Извлечение кадра происходит в течение секунды, когда пользователь нажимает кнопку STOP. Функции были эффективно извлечены с использованием SIFT. Функции SIFT, описанные в нашей реализации, вычисляются по краям и инвариантны к масштабированию изображения, вращению.

5. Благодарности

Мы хотели бы поблагодарить нашего гида г-жу Шану Шарма за их руководство и отзывы в ходе проекта. Мы также хотели бы поблагодарить наш отдел за предоставленные нам ресурсы и свободу для реализации этого проекта.

Каталожные номера

1. Паллави Гурджал, Киран Куннур, Распознавание жестов рук в реальном времени с использованием SIFT, Международный журнал электроники и техники, 2012 г., стр. 19-33.

2. Готкар, Арчана С., Распознавание жестов рук для индийского языка жестов, Международная конференция по компьютерным коммуникациям и информатике (ICCCI), 2012 г. , стр. 1-4.

3. Раджам, П. Субха и д-р Г. Балакришнан, «Система распознавания индийского языка жестов в реальном времени для помощи глухим и немым», 13-я международная конференция

   по коммуникационным технологиям (ICCT), 2011 г., стр. 737-742.

4. Шанаблех, Тамер, Т. Халед, «Распознавание арабского языка жестов в независимом от пользователя режиме», Международная конференция IEEE по интеллектуальным и передовым системам, 2007 г., стр. 59.7-600.

5. Алим Халид Алви, М. Юсуф бин Азар, Мехмуд Усман, Сулеман Мумтаз, Самир Рафик, Рази Ур Рехман, Исрар Ахмед, «Распознавание языка жестов в Пакистане с использованием статистического сопоставления шаблонов», Международный журнал информационных технологий, 2004 г., стр. 1-12 .

6. Дэвид Г. Лоу, «Отличительные особенности изображения из масштабно-инвариантных ключевых точек», Международный журнал компьютерного зрения, 2004 г., стр. 1–28.

7. Ив Дюфурно, Корделия Шмид, Раду Хоро, «Сопоставление изображений с разным разрешением», Международная конференция по компьютерному зрению и распознаванию образов (CVPR ’00), 2000 г. , стр. 612-618.

8. Byung-woo min, Ho-sub yoon, Jung soh, Takeshi ohashi and Toshiaki Jima, «Visual Recognition of Static/Dynamic Gesture: Gesture-Driven Editing System», Journal of Visual Languages ​​& Computing Volume10, Issue3, June 1999, pp 291 -309.

::.IJSETR.::

Подача документов

Логин пользователя..

Специальный выпуск. .

Звоните в IJSETR

Том 12 ВЫПУСК 1

Призыв к конференции Архив специальных выпусков (последнее обновление ВЫПУСКА)

Отслеживание статей

Текущий выпуск..

Том 12 ВЫПУСК 1

Международный журнал научно-технических и технологических исследований (IJSETR) — международный журнал, предназначенный для специалистов и исследователей во всех областях компьютерных наук и электроники. IJSETR публикует исследовательские статьи и обзоры по всей области инженерных наук и технологий, новых методов обучения, оценки, проверки и влияния новых технологий и будет продолжать предоставлять информацию о последних тенденциях и разработках в этой постоянно расширяющейся теме. Публикации статей отбираются путем двойного рецензирования для обеспечения оригинальности, актуальности и удобочитаемости. Статьи, опубликованные в нашем журнале, доступны в Интернете.

Журнал соберет ведущих исследователей, инженеров и ученых со всего мира в интересующей области. Темы, представляющие интерес для подачи, включают, но не ограничиваются:

• Электроника и связь
Машиностроение

• Электротехника

• Зеленая энергия и нанотехнологии

• Машиностроение

• Компьютерная инженерия

• Разработка программного обеспечения

• Гражданское строительство

• Строительная техника

• Структурная инженерия

• Электромеханическая инженерия

• Телекоммуникационная инженерия

• Коммуникационная инженерия

• Химическая инженерия

• Продовольственная инженерия

• Биологическая и биосистемная инженерная инженерия

• Agly Ingernienge 9000

. • Геологическая инженерия

• Биомеханическая и биомедицинская инженерия

• Экологическая инженерия

• Новые технологии и перспективная инженерия

• Беспроводная связь и сетевое проектирование

• Теплотехника и инженерия

• Управление бизнесом, экономика и информационные технологии

• Органическая химия

•

• Науки о жизни, биотехнологии и фармацевтические исследования

Тепломассообмен и технологии

• Биологические науки

• Пищевая микробиология

• Сельскохозяйственные науки и технологии

• Водные ресурсы и экологические инженерии

• Городские и региональные исследования

• Управление человеческими ресурсами

• Инженерная полиция

• Математика

• Science

• Астрономия

• Biochemistry

• Биологическая наука

• • Химия

• Натуральные продукты

• Физика

• Зоология

• Пищевая наука

• Материаловедение

• Прикладные науки

• Науки о Земле

• Универсальная фармация и наука о жизни

• Квантовая химия

• Фармация

• Натуральные продукты и научные исследования

• Челюстно-лицевая и челюстно-лицевая хирургия

• Глобальные обзоры политики 04 и 09 Маркетинговые вопросы Бизнес и экономические исследования

• Управление бизнесом, экономика и информационные технологии

Особенность IJSETR. ..

• Прямая ссылка на реферат

• Открытый доступ для всех исследователей

• Автор может искать статью по названию, названию или ключевым словам

• Прямая ссылка на реферат по каждой статье

• Статистика каждой статьи как нет. просмотрено и скачано

раз

• Быстрый процесс публикации

• Предложение автору, если статья нуждается в доработке

• Послепубликационная работа, такая как индексация каждой статьи в другую базу данных.

• Журнал издается как онлайн, так и в печатной версии.

• Версия для печати отправляется автору в течение недели после онлайн-версии

• Надлежащий процесс экспертной оценки

• Журнал предоставляет электронные сертификаты с цифровой подписью всем авторам после публикации статьи

• Полная статистика каждого выпуска будет отображаться на одну и ту же дату выпуска выпуска

УДАРНЫЙ ФАКТОР :

5,762

Заказать дополнительный печатный экземпляр

Последние новости.