Glenn

New Member

Download miễn phí Xây dựng hệ thống nhận biết ngôn ngữ dấu hiệu sử dụng cảm biến vi cơ điện tử





Chương 1. TỔNG QUAN.7
1.1. Ngôn ngữdấu hiệu.7
1.1.1. Ngôn ngữdấu hiệu là gì ?.7
1.1.2. Một sốchuẩn trên thếgiới và Việt Nam.8
1.1.3. Mục tiêu của khoá luận.9
1.2. Các phương pháp nhận biết ngôn ngữdấu hiệu.10
1.2.1. Nhận biết ngôn ngữbằng phân tích hình ảnh.10
1.2.2. Nhận biết bằng cảm biến.15
1.2.3. Nguyên tắc vận hành của việc sửdụng cảm biến.16
1.2.4. So sánh haiphương pháp.25
Chương 2. TÌM HIỂU VỀCẢM BIẾN VÀ VI ĐIỀU KHIỂN.26
2.1. Tìmhiểu vềcảm biến gia tốc.26
2.1.1. Nguyên lý làm việc của cảm biến.26
2.1.2. Sensor gia tốc ADXL202.26
2.1.3. Phương pháp chuẩn.31
2.2. Tìmhiểu vềvi điều khiển BasicStamp.32
2.2.1. Nguyên lý vận hành.32
2.2.2. Phần cứng.32
2.2.3. Ngôn ngữBasicStamp.34
Chương 3. XÂY DỰNG THIẾT BỊGĂNG TAY CẢM NHẬN GIA TỐC.35
3.1. Thiết kếphần cứng.35
3.2. Chuẩn hoá sensor.36
3.3. Xây dựng phần mềm.40
3.3.1. Viết chương trình cho vi điều khiển BasicStamp.40
3.3.2. Chương trình trên máy tính.40



Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí

Tóm tắt nội dung tài liệu:

i thấp hơn của chuỗi. Người ra
hiệu di chuyển cánh tay của họ tới một số vị trí nhưng năng lượng dư thừa phần lớn
giảm xuống từ sự di chuyển tay trong hai vùng này. Hệ số năng lượng dư thừa trong
vùng này liên quan tới mức thấp.
1.2.1.6. Kết luận
Từ kết quả thực nghiệm người sử dụng ngôn ngữ dấu hiệu đã đưa ra một sự
phù hợp trong phương pháp nhận biết của họ, điều này phù hợp với tất cả các vật thể
và tương ứng với sự quan sát trong khi nghiên cứu ngôn ngữ dấu hiệu. Việc chọn vị trí
sẽ cải thiện chất lượng của việc mã hoá chuỗi ngôn ngữ dấu hiệu hình ảnh. Sự quan
tâm của người sử dụng là tập trung trên những vùng có đặc điểm tốt quanh người ra
hiệu, với những cử chỉ bất ngờ của tay người. Những dấu hiệu này có thể dành những
vùng ưu tiên của hình ảnh có trong không gian và biểu thị thời gian.
1.2.2. Nhận biết bằng cảm biến
Ở đây người ta dùng một hệ gồm nhiều sensor gắn với vi điều khiển và máy
tính. Thiết bị này được mô ta bởi hình sau.
15
Đinh Duy Chương Khóa luận tốt nghiệp
Hình 10: Sơ đồ kết nối hệ đo với vi điều khiển và máy tính
Hệ nhận biết bằng cảm biến bao gồm các thành phần:
9 Một máy tính PC
9 Một vi điều khiển
9 Hệ thống loa
9 Hệ sensor
1.2.3. Nguyên tắc vận hành của việc sử dụng cảm biến
1.2.3.1. Hệ thống
9 Hệ sensor sẽ truyền tín hiệu cho vi điều khiển. Vi điều khiển sẽ đọc tín hiệu
này và truyền dữ liệu cho máy tính sử lý và kết quả sẽ được đưa ra loa. hay hiển thị
dạng text.
9 Cụ thể là từ tín hiệu xung của hệ sensor vi điều khiển sẽ đọc tín hiệu đó và xử
lý, tiếp theo vi điều khiển sẽ gửi dữ liệu dưới dạng ASCII cho máy tính qua cổng
COM.
9 Thành phần của hệ thống là Accele Glove, cung cấp cách đo vị trí của các
ngón tay tương ứng với véc tơ trọng trường.
9 Bằng việc sử dụng lối ra số của sensor gia tốc MEMS gắn trên các ngón tay
và sử dụng vi điều khiển. Máy tính PC được sử dụng cho việc phân tích dữ liệu và
thực hiện các thuật toán. Khi lập trình với các thuật toán, vi điều khiển sẽ chuyển tới
bộ tạo ngưỡng tiếng nói với những ký tự ASCII, bởi vậy mà trên thực tế người ra hiệu
những từ “speaks out” và những câu ngắn.
16
Đinh Duy Chương Khóa luận tốt nghiệp
1.2.3.1.1. Định vị sensor
Tay người có 17 điểm tích cực trên cổ tay: 3 trên mỗi ngón trỏ, ngón giữa,
ngón nhẫn và ngón út, 3 trên ngón cái và pitch roll trên cổ tay. Những điểm cần thiết
giữa những dấu hiệu là nhân tố chủ yếu, nếu hệ thống có thông tin đầy đủ, không rõ
ràng sẽ giảm tốc độ nhận dạng. Gắn liền với 5 trục sensor trên đầu ngón tay, những
điểm của ngón tay và điểm đầu của ngón tay cái, ngoại trừ tình trạng có nhiều nghĩa
cho 26 dáng điệu của bảng chữ cài ASL. Việc định vị trục được chỉ ra trên hình sau:
Hình 11: Các trục trên sensor khi gắn lên tay
1.2.3.1.2. Tín hiệu thu được
Vị trí đọc được là chu kỳ của tín hiệu lối ra. Khi một sensor ở vị trí ngang chu
kỳ là 50%. Khi góc nghiêng của nó từ +90o tới –90o chu kỳ biến đổi từ 37.5% tới
62.5%. Vi điều khiển giám sát lối ra và đo trong khoảng thời gian lối ra ở mức cao,
nếu sử dụng bộ đếm 10 ms thì giải đo được sẽ là từ (375/10) = 37 count với 90o tới tối
đa là (625/10) = 62 count với –90o, một span là 25 count. Sự không tuyến tính và bão
hoà hai đặc tính này của thiết bị làm giảm dải sử dụng xuống còn . Vì thế độ
phân giải là 6.5
o80±
o. Lỗi của một số lần đo được tìm thấy là 1± bít, hay . Sai số này
lớn hơn so với Wise (5
o5.6±
o) và nhỏ hơn Quam (11o). CyberGlove có thể được hiệu chỉnh
đo những dải khác nhau của những biến tố sử dụng 8 bit, nhưng độ chính xác bị giảm
xuống, giảm sự lặp lại.
1.2.3.1.3. Thu thập dữ liệu
9 Độ rộng 10 xung được đọc bởi vi điều khiển, bắt đầu với trục X tiếp theo là Y
lần đầu là ngón cái. Đưa ra 10 ms là tập trung tất cả các vị trí của ngón tay. Trong suốt
quá trình phân tích trạng thái của các ngón tay thì vị trí được gửi như một gói dữ liệu
10 byte qua cổng nối tiếp của PC và được ghi lại dưới file text.
17
Đinh Duy Chương Khóa luận tốt nghiệp
9 Mọi ký tự dấu hiệu của bảng chữ cái. Ký tự “J” và “Z” được lấy mẫu ở vị trí
cuối cùng. Điều này cho phép bắt được những sự khác nhau và những người ra hiệu
tương tự trong 26 file với ma trận 10x10.
1.2.3.2. Lựa chọn chức năng và nguồn gốc
9 Tập hợp 10 quá trình đo, hai trục trên một ngón tay, đưa ra một véc tơ của dữ
liệu. Như đã được chỉ ra trong lời phần trên: Uras đưa ra đặc điểm diễn biến của sự
việc, Lamar rút ra được “eigenvalues” và “eigenvalue” từ những hình ảnh. Kramer
không thử đặc tính ban đầu, nhưng làm việc với véc tơ dữ liệu, như khi Shahabi làm,
ông khẳng định lần đầu tiên sử dụng hàng loạt quyết định cho việc phân tích dữ liệu
căn cứ vào xúc giác, ông cũng khẳng định lần đầu tiên sử dụng “Bavesian Classifier”
cho phân tích dữ liệu căn cứ vào xúc giác và sử dụng việc so sánh “Back Propagation
Neural Networks” với “Bayesian Decision Tree” để nhận ra dữ liệu tĩnh. Trái với kết
quả này ông cho rằng “Decision trees” không phù hợp với việc nhận dạng dấu hiệu, ta
phải chỉ rõ và xác minh sự trái ngược này.
9 Mục tiêu là rút ra một tập hợp những đặc điểm để đưa ra cử chỉ mà không có
sự tối nghĩa trong “Posture Space”. Nếu Stokoe và Costello đã định nghĩa cử chỉ như
là sự kết hợp của hình ảnh và hướng của tay, và hai chức năng này phù hợp để đưa ra
một số ký tự dễ hiểu, sau đó việc xử lý rút ra những đặc trưng sẽ lấy lại hai thành phần
này từ dữ liệu đơn giản. Accele Glove khác với tất cả thiết bị khác được tìm thấy,
trong đó nó có thể không chỉ đo độ uốn của ngón tay mà còn xác định hướng của tay
mà không cần sensor khác ở bên ngoài như bộ theo dõi từ trường. Hay bộ theo dõi siêu
âm của Mattel’s. Ở đây ta định nghĩa một véc tơ P trong không gian cử chỉ.
9 P=[hình ảnh tay, hướng lòng bàn tay]
9 P là sản phẩm của véc tơ dữ liệu đơn giản D bằng việc chuyển đổi ma trận T:
P=D*T=[Xg Yg yi] (1)
9 Véc tơ dữ liệu đơn giản ở đây là:
D = [xt yt xi yi xm ym xr yr xp yp] (2)
9 T = ngón cái, I = ngón trỏ, M = ngón giữa, R = ngón nhẫn, P = ngón út
9 Hình ảnh tay được chia thành hai phần con, Xg và Yg. Phần đầu tiên đo độ
cuộn tương ứng với cổ tay, phần thứ hai đo độ lên xuống của ngón tay. Thành phần
khác của không gian cử chỉ là hướng của lòng bàn tay yi, lớp cử chỉ chia thành 3 lớp
18
Đinh Duy Chương Khóa luận tốt nghiệp
con: closed, horizontal và vertical (hay open). Chỉ số vị trí y được sử dụng cho những
cử chỉ này. Ma trận chuyển vị:
T
T
0000001000
1010101010
0101010101
= (3)
9 Tổng hợp các thành phần cử chỉ
{ }∑ ∈= prmitnXX ng ,,,,,
{ }∑ ∈= prmitnyY ng ,,,,,
[ ]4Datayi =
9 Những thành phần trên được gọi: vị trí tổng quan X (Xg), vị trí tổng quan Y
(Yg), và hướng yi (lớp con)
9 Thành phần đầu Xg được đưa ra bằng tổng của những tín hiệu x trên véc tơ
ban đầu, điều này cho chúng ta b...
 
Các chủ đề có liên quan khác

Các chủ đề có liên quan khác

Top