Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/44933
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorโชติรัตน์ รัตนามหัทธนะ-
dc.contributor.authorสุภาวดี แสงศรี-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2015-09-03T08:26:26Z-
dc.date.available2015-09-03T08:26:26Z-
dc.date.issued2555-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/44933-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2555en_US
dc.description.abstractงานวิจัยทางด้านภาษามือไทยยังคงเป็นงานวิจัยที่มีความน่าสนใจเป็นอย่างยิ่ง โดยเฉพาะอย่างยิ่งเมื่อคนทั่วไปยังคงไม่เข้าใจภาษามือทำให้เป็นอุปสรรคของการติดต่อสื่อสารระหว่างคนทั่วไปกับคนหูหนวกหรือเป็นใบ้ และถึงแม้งานวิจัยที่ผ่านมานั้นมีงานวิจัยที่ใช้การประมวลผลภาพจากกล้องมาใช้ในการสร้างอัลกอริทึมสำหรับการรู้จำ แต่อย่างไรก็ตามยังมีประสิทธิภาพไม่ดีพอในการใช้งานจริง ด้วยเหตุผลอันเนื่องมาจากข้อจำกัดทางวิธีการและเทคนิคในการประมวลผลภาพที่มีอยู่ในปัจจุบัน ตัวอย่างเช่น ข้อจำกัดจากการแยกรูปร่างของมือ เมื่อมือมีการซ้อนทับกัน หรือกรณีที่ท่ามือมีการคล้ายคลึงกันอย่างมาก และเนื่องจากการสะกดนิ้วมือของภาษามือไทยนั้นท่ามือที่ใช้มีความใกล้เคียง คล้ายคลึงกันอย่างมาก บางตัวอักษรนั้นก็ใช้มือข้างเดียวทำท่ามือ และบางตัวอักษรก็ใช้ท่ามือที่เกิดจากมือสองข้าง นอกจากนี้ยังมีบางตัวอักษรใช้ท่ามือมากกว่าหนึ่งท่ามาเรียงต่อกันแทนหนึ่งตัวอักษร ในงานวิจัยนี้นำเสนอทางเลือกหนึ่งสำหรับอัลกอริทึมการรู้จำภาษามือไทยโดยใช้ถุงมือรับข้อมูลและอุปกรณ์ติดตามการเคลื่อนที่ ซึ่งทำการรู้จำตัวอักษรทั้งพยัญชนะ สระ วรรณยุกต์ รวมทั้งสิ้น 65 ตัวอักษร ซึ่งที่ผ่านมานั้นยังไม่มีงานวิจัยใดที่ทำการวิจัยครอบคลุมการสะกดนิ้วมือของภาษามือไทยที่ครบทั้ง 65 ตัวอักษร ในงานวิจัยนี้จึงนำเสนอขั้นตอนต่าง ๆ ของอัลกอริทึมที่เหมาะกับการสะกดนิ้วมือของภาษามือไทยทุกตัวอักษร โดยมีลำดับขั้นตอนดังนี้ ขั้นแรกเป็นขั้นตอนการสกัดข้อมูล จากนั้นใช้โครงข่ายประสาทเทียมที่มีการแพร่กระจายแบบย้อนกลับของเอลแมนมาใช้ในสอนอัลกอริทึมให้มีประสิทธิภาพเพิ่มขึ้นในการรู้จำรูปร่างของมือ และขั้นตอนสุดท้ายอัลกอริทึมทำการแปลผลออกมาในรูปของตัวอักษรen_US
dc.description.abstractalternativeThai Sign Language is considered a research priority requiring some attention since most people still do not understand sign language. It is almost impossible to communicate with people who are deaf or mute. In the past research, there exist many Thai Sign Language Recognition algorithms that use image processing, but have not performed well and still are impractical due to limitations of current image processing techniques and the difficulty of the Thai Sign language itself; many hand signs are very similar, and some signs require both hands. Moreover, some Thai alphabets require multiple sign states to represent only one alphabet. This paper presents an alternative Thai sign language recognition system using the data-gloves and motion tracker devices to recognize 65 Thai alphabets, vowels, and tone marks. We propose a data extraction method, and the Elman Back Propagation Neural Network is applied in the learning step, which greatly improves the accuracy of the system performance.Finally, Outputs are translated into alphabets.en_US
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2012.1711-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectภาษามือen_US
dc.subjectการสื่อสารโดยไม่ใช้คำพูดen_US
dc.subjectNonverbal communicationen_US
dc.titleการรู้จำการสะกดนิ้วมือภาษามือไทยจากถุงมือข้อมูลและอุปกรณ์ติดตามการเคลื่อนที่en_US
dc.title.alternativeThai finger-spelling sign language recognition from data glove and motion tracking deviceen_US
dc.typeThesisen_US
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิศวกรรมคอมพิวเตอร์en_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorChotirat.R@Chula.ac.th-
dc.identifier.DOI10.14457/CU.the.2012.1711-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
supawadee_sa.pdf4.23 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.