Tez No	İndirme	Tez Künye	Durumu
385091		A method for isolated sign recognition with Kinect / Kinect ile yalıtılmış işaret algılama için bir yöntem Yazar:EMRE IŞIKLIGİL Danışman: YRD. DOÇ. DR. SİNAN KALKAN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Örüntü tanıma = Pattern recognition	Onaylandı Yüksek Lisans İngilizce 2014 88 s.
İşaret dili algılama ( ̇IDA) üstüne çeşitli araştırma çalışmaları olmasına rağmen, bunların birçoğu renkli eldiven ve ivme ölçer gibi aksesuarlar kullanmakta veya çalışmak için karmaşık ortam kurulumları gerektirmektedir. Benim tezimde, İDA için veri edinmek için sadece Microsoft Kinect duyargasını kullanacağım. Kinect, vücut eklemlerinin 3 boyutlu konumlarını, başka bir cihaza gerek duymadan gerçek zamanlı olarak elde edebilmemizi sağlamaktadır. Bir yalıtılmış işaret yakalandıktan sonra, ayırd edici vücut eklemlerinin izlediği yollar çıkarılmaktadır. Sonra, bir yalıtılmış işareti betimlemek için, çıkarılan yollardan oluşan bir vektör, işaret çizgesi, oluşturulmaktadır. İki işaret çizgesini karşılaştırmak için, bir uzaklık ölçütü olarak, işaret çizgelerinin içerdiği eklem yollarının ortalama eğrilme uzaklığını kullanmayı öner- mekteyim. Devingen Zaman Eğrilmesi, eğrilme mesafelerinin verimli olarak hesaplanması için kullanılmaktadır. İki işaret çizgesi arasında bir mesafe ölçüsü tanımlandıktan sonra, k En Yakın Komşu yöntemi kullanılarak sınıflandırılmaktadırlar. Önerilen yöntem mevcut yöntemlerden daha iyi sonuçlar vermiştir ve 13 farklı işaretçiden elde edilen 40 farklı işaret içeren bir veri kümesi ile yapılan işaretçi-bağımsız deneylerde 59.3%, işaretçi-bağımlı deneylerde 91.0% algılama oranlarına ulaşmıştır.
Although there are various studies on sign language recognition (SLR), most of them use accessories like coloured gloves and accelerometers for data acquisition or require complex environmental setup to operate. In my thesis, I will use only Microsoft Kinect sensor for acquiring data for SLR. Kinect lets us obtain 3D positions of the body joints in real time without the help of any other device. After an isolated sign is captured, paths of the discriminative body joints are extracted. Then, a vector consisting of the extracted paths, called Sign Graph, is created to describe the isolated sign. To be able to compare two sign graphs, as the distance metric, I propose using the average warping distance of the joint paths that the sign graphs include. Dynamic Time Warping is used for effective calculation of the warping distance. Once a distance measure is defined between Sign Graphs, they are classified using k Nearest Neighbours algorithm. The proposed method performed better than the state of the art and achieved recognition rate of 59.3% in signer-independent experiments and 91.0% in signer-dependent experiments with a dataset consisting of 40 signs obtained from 13 different signers.