توصيفگر ها :
تشخيص حركت , حسگر تماما منسوج , يادگيري ماشين , واقعيت مجازي
چكيده فارسي :
زبان، روش ارتباط و تعامل انسان ها و همچنين عامل پيشرفت فرهنگ و فناوري ميان آنان از ديرباز تا كنون بوده است؛ زبان، به صورت‌هاي متفاوت از جمله، گفتار نوشتار، اشاره، شنيدار، ديدار و... در تمدن انساني توسعه يافته است. آغاز ارتباط انسان و رايانه همراه با ساخت اولين رايانه‌ها به ساده ترين شكل خود، يعني ارتباط سخت‌افزاري و سپس ترجمه آن به زبان قابل فهم براي رايانه رخ داده‌است. در سال‌هاي اخير تلاش‌هايي در راستاي افزايش سادگي ارتباط با رايانه‌ها صورت گرفته است كه همگي شامل توسعه سخت‌افزار جهت ارسال زبان ورودي يا توسعه راه‌هاي سريع تر جهت ترجمه به زبان رايانه بوده است. يكي از روش هاي برقراري ارتباط با رايانه ها، تشخيص حركات، رفتار و اشارات و سپس ترجمه آن ها به زبان رايانه است. در اين روش علاوه بر آسودگي ارتباط با رايانه، به دليل كنترل بيشتر انسان به اعضاي بدن خود، طبيعتاً امكان ايجاد علامات و واژه‌هاي بيشتري نزديك به احوالات انسان در اين نوع از زبان جهت ترجمه به زبان رايانه‌اي وجود دارد. از سوي ديگر استفاده از حسگرهايي جهت تشخيص حركات نيز لازم است كه نوع پوشيدني آن‌ها داراي راحتي و دسترسي بالاتري نسبت به ساير انواع حسگر است؛ چرا كه مي تواند بخشي از لباس روزمره باشد. بنابراين با در نظر گرفتن اهميت موضوع ارتباط با رايانه‌ها، قابليت حركات دست انسان و راحتي پوششي لباس‌ها، در اين تحقيق، بررسي و طراحي يك راه ارتباطي با رايانه ها از طريق تشخيص حركات توسط يك سخت‌افزار مبتني بر منسوج درنظر گرفته شده‌است. نتايج حاصل از اين تحقيق نشان مي‌دهد دستكش مجهز بهحسگر حلقوي پودي، بهترين عملكرد را از خود نشان داد. در ميان الگوريتم‌‌هاي اجرا شده روي داده‌هاي جمع‌آوري شده، شبكه‌هاي عصبي براي تشخيص هفت حركت با دقت 79/12 درصد، جنگل‌هاي پيشامدي با دقت‌هاي 73/63 درصد روي انگشت شست، 100 درصد روي انگشت اشاره، 81/32 درصد رو انگشت كوچك و الگوريتم ماشين بردار پشتيبان با دقت 98/90 درصد روي انگشت ميانه و الگوريتم نزديك‌ترين همسايه‌ي K با دقت 85/71 روي انگشت حلقه بهترين عملكرد را داشتند. از سوي ديگر، به دليل عدم ثبات خروجي‌هاي حاصل از حسگرهاي كاملا منسوج، دست‌يابي به مدلي بهينه جهت افزايش دقت و تكرار پذيري استفاده از اين حسگرها، امري ضروريست.
چكيده انگليسي :
Language, the cornerstone of human interaction and the driving force behind cultural and technological advancement, has evolved throughout history. From the spoken word to written language, humans have continuously developed new ways to communicate, shaping the very fabric of our societies. The advent of computers ushered in a new era of communication, initially limited to rudimentary hardware interactions. However, the desire to simplify and enhance human-computer communication has driven significant progress. Researchers have focused on developing hardware for input transmission and refining translation methods, aiming to bridge the gap between human language and the language of machines. One particularly promising approach involves recognizing and interpreting human movements, such as gestures and body language, and translating them into computer commands. This method offers several advantages, including a more intuitive and natural interaction style, as humans have innate control over their bodies. The use of sensors to detect these movements is essential, and wearable sensors, integrated into everyday clothing, present a particularly compelling solution. Their unobtrusiveness and ease of use make them highly suitable for seamless interaction. This research delves into the design and investigation of a communication method utilizing motion detection through textile-based hardware, aiming to harness the inherent capabilities of human movement and the comfort of clothing to facilitate natural interaction with computers. Among the algorithms implemented on the collected data, neural networks for detecting seven movements with an accuracy of 79.12 percent, contingency forests with an accuracy of 73.63 percent on the thumb, 100 percent on the index finger, 81.32 percent on the pinky and the algorithm Support vector machine with 98.90 percent accuracy on the middle finger and K-nearest neighbor algorithm with 85.71 percent accuracy performed the best on the ring finger. However, the inherent instability of outputs from fully woven sensors necessitates a thorough exploration of model optimization. This research aims to identify and implement strategies to enhance the accuracy and repeatability of these sensors, ensuring reliable and consistent communication between humans and computers.
