Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13478
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΜαυρουδέας Γεώργιος
dc.date.accessioned2018-07-23T09:13:06Z-
dc.date.available2018-07-23T09:13:06Z-
dc.date.issued2017-7-12
dc.date.submitted2017-6-30
dc.identifier.urihttp://artemis-new.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13478-
dc.description.abstractΗ αποτελεσματική επικοινωνία ανθρώπου μηχανής μέσω φυσικών κινήσεων οδήγησε στη μελέτη των ανθρώπινων χειρονομιών στο πλαίσιο της χρησιμοποίησης τους για το σκοπό αυτό.Το επόμενο βήμα ήταν η εξαγωγή της γνώσης από τη μελέτη, στη δημιουργία συστημάτων ικανά να αναγνωρίζουν αυτόματα τις κινήσεις του ανθρώπου και να εκτελούν λειτουργίες με βάση αυτές.Σκοπός της παρούσας διπλωματικής εργασίας είναι, η δημιουργία ενός τέτοιου συστήματος, ικανό να προβαίνει στην αυτόματη αναγνώριση μιας συγκεκριμένης κλάσης χειρονομιών που βασίζονται σε κινήσεις των χεριώνΓια τη διεκπαιραίωση αυτού του εγχειρήματος χρησιμοποιούνται τεχνικές που βασίζονται σε αυτό-οργανούμενους χάρτες (SOM), στις Μαρκοβιανές Αλυσίδες (Markov Chains) και στα Κρυφά Μαρκοβιανά Μοντέλα (Hidden Markov Models).Τέλος η διπλωματική αγγίζει και το κομμάτι της εκφραστικότητας αναλύοντας τη θεωρία της και εξάγοντας στατιστικές παραμέτρους που σχετίζονται με αυτήνThe need for efficient human computer communication through physical movement lead to the study of human gestures for the purpose mention above.The next step as an aftereffect of that study was the utilization of that knowledge in order to built systems capable of identyfing human movements in an automatic manner and to operate based on them.The purpose of this diploma thesis is, the creation of a system with the ability of recognizing automatically a specific class of human gestures based on hand and arm movements.To be able to accomplish the aforementioned task we utilize technics based on self organizing maps (SOM),Markov chains and Hidden Markov Models (HMM).Finally the following thesis covers and a part of expressivity, analyzing its theory and extracting several statistical measures related to it.
dc.languageGreek
dc.subjectνευρωνικά δίκτυα
dc.subjectαυτο-οργανούμενοι χάρτες
dc.subjectεπικοινωνία ανθρώπου μηχανής
dc.subjectαναγνώριση χειρονομιών
dc.subjectμαρκοβιανά μοντέλα
dc.subjectμαρκοβιανές αλυσίδες
dc.subjectμηχανική μάθηση
dc.subjectκμμ
dc.subjectεαμ
dc.subjectneural networks
dc.subjectself organizing maps
dc.subjecthuman computer interaction
dc.subjectgesture recognition
dc.subjectexpressivity
dc.subjectmarkov models
dc.subjectmarkov chains
dc.subjecthmm
dc.subjecthci
dc.subjectlevenstein
dc.subjectmachine learning
dc.titleΠοιοτική Ανάλυση Και Αναγνώριση Χειρονομιών
dc.typeDiploma Thesis
dc.description.pages113
dc.contributor.supervisorΣταφυλοπάτης Ανδρέας-Γεώργιος
dc.departmentΤομέας Τεχνολογίας Πληροφορικής & Υπολογιστών
dc.organizationΕΜΠ, Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File SizeFormat 
DT2017-0136.pdf2.78 MBAdobe PDFView/Open


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