Reconnaissance de la langue des signes (simplifiée) à partir de données monoculaires
Equipe : VAISSET Antoine, MATHEOSSIAN Dimitri
Encadrant : E. GUILLOU, M. BARNACHON
Janvier 2011
2
Plan
Reconnaissance de la langue des signesDétections de la mainRécupérer et comparer les données
◦ Défauts de convexité (convexity defects)◦ Moments de Hu (Hu moments)◦ Recherche de modèles (template
matching)Améliorations à apporterConclusion
3
Reconnaissance de la langue des signesDétections de la mainRécupérer et comparer les données
◦ Défauts de convexité (convexity defects)◦ Moments de Hu (Hu moments)◦ Recherche de modèles (template
matching)Améliorations à apporterConclusion
4
Reconnaissance de la langue des signes - Détails
Reconnaître les lettres d’une langue des signes
Restrictions :◦Alphabet Français◦Temps réelle◦Une seule caméra (qualité grand
public)◦Pas de capteur
5
Reconnaissance de la langue des signes - Différents langages
LDS Américaine
LDS Française
6
Reconnaissance de la langue des signes - Les étapesPour reconnaître un signe il faut :
◦Au préalable avoir une BDD de signes :
◦Et pendant l’acquisition d’image : Détecter la main Récupérer des informations Les comparer
7
Reconnaissance de la langue des signesDétections de la mainRécupérer et comparer les données
◦ Défauts de convexité (convexity defects)◦ Moments de Hu (Hu moments)◦ Recherche de modèles (template
matching)Améliorations à apporterConclusion
8
Détections de la mainDétection de la couleur de peauSélection d’une plage de couleursSoustraction de fond
9
Reconnaissance de la langue des signesDétections de la mainRécupérer et comparer les données
◦ Défauts de convexité (convexity defects)◦ Moments de Hu (Hu moments)◦ Recherche de modèles (template
matching)Améliorations à apporterConclusion
10
Méthodes testéesDéfauts de convexité[En: convexity defects]
Figure 1
Figure 2
11
Méthodes testéesDéfauts de convexité[En: convexity defects]
Figure 1
Figure 2 Figure 3
12
Méthodes testéesMoments de Hu[En: Hu moments]
Même méthode que les défauts de convexités, mais :◦Nombre de valeurs à comparer fixés à 7◦Calculs différents◦Valeurs invariantes après mise à l’échelle
et/ou rotation◦Simple à mettre en place◦Moins performants que les descripteurs de
Fourrier (15 à 17% de reconnaissance en plus)
13
Méthodes testéesRecherche de modèles[En: template matching]
14
Méthodes testéesRecherche de modèles
15
Reconnaissance de la langue des signesDétections de la mainRécupérer et comparer les données
◦ Défauts de convexité (convexity defects)◦ Moments de Hu (Hu moments)◦ Recherche de modèles (template
matching)Améliorations à apporterConclusion
16
Améliorations à apporterDétection de la main (variation
de luminosité)Recherche de critères
discriminantsRecherche et implémentation
d’un classificateur
17
Reconnaissance de la langue des signesDétections de la mainRécupérer et comparer les données
◦ Défauts de convexité (convexity defects)◦ Moments de Hu (Hu moments)◦ Recherche de modèles (template
matching)Améliorations à apporterConclusion
18
Conclusion