Ukryte modele Markowa i ich zastosowanie do rozpoznawania zdarzeń na podstawie sekwencji wizyjnych

• Autorzy: Kapuściński T. , Wysocki M.

Warianty tytułu

EN

Hidden Markov Models and their application to vision - based event recognition

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia podstawy i zastosowanie zwykłych i równoległych ukrytych modeli Markowa w rozpoznawaniu zachowań osób na podstawie informacji wizyjnej. Skupiono się na reprezentatywnym zadaniu rozpoznawania wypowiedzi w języku migowym.

EN

The article considers application of regular and parallel hidden Markov models to vision-based recognition of human actions. We focus on the representative problem of automatic recognition of signed expressions.

Słowa kluczowe

PL

HMM; wizja komputerowa; interakcja człowiek-komputer; rozpoznawanie gestów wykonywanych rękami

EN

HMM; computer vision; human-computer interaction; hand gesture recognition

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2005
• Tom: R. 51, nr 9 bis
• Strony: 306--308
• Opis fizyczny: Bibliogr. 16 poz., rys., tab., wzory

Twórcy

autor

Kapuściński T.

• Politechnika Rzeszowska, Katedra Informatyki i Automatyki

autor

Wysocki M.

• Politechnika Rzeszowska, Katedra Informatyki i Automatyki

Bibliografia

• [1] Deller J. R., Proakis J. G., Hansen J. H.L., DiscreteTime Processing of Speech Signals. Macmillan Publ. Comp., New York..
• [2] Forney G. D. Jr. The Viterbi Algorithm. Proceedings of the IEEE, Vol. 61, s. 268-278.
• [3] Geer D., Will gesture recognition technology point the way? Computer, Vol. 10, s. 20-23.
• [4] Ghahramani Z., An Introduction to Hidden Markov Models and Bayesian Networks. Journal of Pattern Recognition and Artificial Intelligence, Vol. 15, s. 9-42.
• [5] Hendzel J. K. Słownik Polskiego Języka Migowego. Wyd. OFFER, Olsztyn.
• [6] Jensen F. V., Bayesian Networks and Decision Graphs. Springer, New York.
• [7] Kapuściński T., Wysocki M., Identyfikacja koloru skóry dłoni w różnych przestrzeniach barw. Archiwum Informatyki Teoretycznej i Stosowanej, Vol. 13, s. 53-68.
• [8] Kapuściński T., Wysocki M., Recognition of Isolated Word of the Polish Sign Language, 4th International Conference on Computer Recognition Systems CORES 2005, Wroclaw.
• [9] Oliver N. M., Rosario B., Pentland A. P., A Bayesian Computer Vision System for Modeling Human Interactions. IEEE Trans. PAMI, Vol. 22, s. 831-843.
• [10] Pavlovic V. I., Sharma T., Huang T. S., Visual Interpretation of Hand Gestures for Human-Computer Interaction. IEEE Trans. PAMI Vol. 19, s. 677-695.
• [11] Rabiner L. R., A Tutorial on Hidden Markov Models and Selected Applications In Speech Recognition. Proceedings of the IEEE. Vol. 77, s. 257-286.
• [12] Rosenfeld R., Two Decades of Statistical Language Modeling: Where do we go from here? Proceedings of the IEEE, Vol. 88, s. 1270-1278.
• [13] Tadeusiewicz R., Systemy wizyjne robotów przemysłowych. WNT, Warszawa.
• [14] Vogler C., Metaxas D., A framework for Recognizing the Simultaneous Aspects of American Sign Language. Computer vision and Image Understanding, Vol. 81, s. 358-384.
• [15] Yang J., Xu Y., Chen C., Human Action Learning via Hidden Markov Model. IEEE Trans. SMC, Vol. 27, s. 34-44.
• [16] Young S. at al. The HTK Book. Microsoft Corporation.

Uwagi

Praca wykonana w ramach projektu 4T11C06625 finansowanego przez KBN w latach 2004-2005.