KİNECT DERİNLİK İMGELERİNDEN EL HAREKETİ TANIMA

Abstract

Bu çalışmada derinlik imgelerine dayalı bir el hareketleri sınıflandırma yöntemi önerilmiştir. Yöntem; eşikleme, öznitelik çıkarma, öznitelik seçme ve sınıflandırma aşamalarından oluşmaktadır. Derinlik imgelerinden elin bölütlenmesi için aralık eşikleme, öznitelik çıkarımı için eğrilik ölçek uzayı, öznitelik indirgeme için sıralı öznitelik seçme ve sınıflandırma için de K-En Yakın Komşu yöntemi kullanılmıştır. Önerilen yöntemin başarım değerlendirmesi için 1000 örnekten oluşan bir veri seti kullanılmıştır. Deneysel çalışmalar önerilen yöntemin 0'dan 9'a kadar olan el işaretlerini %98,33'lük bir doğrulukla sınıflandırabildiğini göstermiştir. Bu oran karşılaştırılan yöntemden %4 civarında daha iyidir.

In this study, a hand gesture classification method based on depth images is proposed. The proposed method is composed of interval thresholding, feature extraction, feature selection and classification stages. Hand segmentation on the depth images is carried out based on interval thresholding, curvature scale space is used for feature extraction, sequential feature selection is considered for feature selection and K-Nearest Neighbor method is used for classification. The performance evaluation of the proposed method is tested on 1000 sampled dataset. Experimental works show that the hand gestures which indicate from 0 to 9 can be recognized with 98.33 % accuracy. This accuracy rate is about 4% better than the compared method.