سال انتشار: ۱۳۹۱

محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران

تعداد صفحات: ۵

نویسنده(ها):

وحید خبره – دانشجوی کارشناسی ارشد مکاترونیک، دانشگاه آزاد اسلامی واحد تبریز، گروه
سیامک حقی پور – عضو هیئت علمی مهندسی پزشکی دانشگاه آزاد اسلامی واحد تبریز، گروه مهند

چکیده:

با توجه به پیچیدگی های موجود در سیستم های کنترلی ماشین ها و ربات ها در دهه های اخیر تلاش برای آسان تر شدن تعامل بین انسان و ماشین به شکل های مختلفی بررسی شده است یکی از روش های کنترلی که بیشتر مورد توجه قرار گرفته است کنترل، توسط حرکات دست کاربر می باشد. شناسایی حالات دست می تواند با اهداف رابط بین انسان و ماشین و یا ایجاد یک زبان علائم مورد بررسی قرار گیرد. در این مقاله از یک روش آسان و در عین حال با درصد خطای کم، در راستای شناخت حالات دست استفاده شده است. بدین صورت که ابتدا برای رد یابی دست کاربر از سیستم بینایی ماشین و الگوریتم camshift استفاده کرده و بعد از پردازش های اولیه روی تصاویر بدست آمده، روش آنالیز اجزای اصلی (pca) به منظور استخراج ویژگی ها و کاهش ابعاد تصاویر دست به کار گرفته شده است. سپس با استفاده از شبکه عصبی مصنوعی (ANN)، کلاس بندی الگوها انجام می گیرد. نتایج حاصل از این تحقیق و شبیه سازی آن در نرم افزار متلب نشان از موفقیت آمیز بودن روش، برای داده هایی با ابعاد بزرگ با همگرایی کامل آموزش و درصد تشخیص صحیح ۹۴/۵۴% در الگوریتم تنظیم خودکار شبکه عصبی بوده است.