Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Real-Time Semantic Segmentation with Label Propagation Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Brazilian Sign Language Recognition Using Kinect

verfasst von : José Elías Yauri Vidalón, José Mario De Martino

Erschienen in: Computer Vision – ECCV 2016 Workshops

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The simultaneous-sequential nature of sign language production, which employs hand gestures and body motions combined with facial expressions, still challenges sign language recognition algorithms. This paper presents a method to recognize Brazilian Sign Language (Libras) using Kinect. Skeleton information is used to segment sign gestures from a continuous stream, while depth information is used to provide distinctive features. The method was assessed in a new data-set of 107 medical signs selected from common dialogues in health-care centers. The dynamic time warping–nearest neighbor (DTW-kNN) classifier using the leave-one-out cross-validation strategy reported outstanding results.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Using Computer Vision to See
Nächstes Kapitel Human Interaction Prediction Using Deep Temporal Features
Literatur
1.
Valli, C.: Linguistics of American Sign Language: An Introduction. Gallaudet University Press, Washington, DC (2000)
2.
Cooper, H., Holt, B., Bowden, R.: Sign language recognition. In: Moeslund, T.B., Hilton, A., Krüger, V., Sigal, L. (eds.) Visual Analysis of Humans: Looking at People, pp. 539–562. Springer, London (2011)CrossRef
3.
Sahoo, A.K., Mishra, G.S., Ravulakollu, K.K.: Sign language recognition: state of the art. ARPN J. Eng. Appl. Sci. 9, 116–134 (2014)
4.
Classification, V.-B.S.L., Joudaki, S., bin Mohamad, D., Saba, T., Rehman, A., Al-Rodhaan, M., Al-Dhelaan, A.: Vision-based sign language classiffication: a directional review. IETE Tech. Rev. 31, 383–391 (2014)CrossRef
5.
Lefloch, D., Nair, R., Lenzen, F., Schäfer, H., Streeter, L., Cree, M.J., Koch, R., Kolb, A.: Technical foundation and calibration methods for time-of-flight cameras. In: Grzegorzek, M., Theobalt, C., Koch, R., Kolb, A. (eds.) Time-of-Flight and Depth Imaging. Sensors, Algorithms, and Applications. LNCS, vol. 8200, pp. 3–24. Springer, Heidelberg (2013). doi:10.​1007/​978-3-642-44964-2_​1 CrossRef
6.
Escobedo Cardenas, E., Camara Chavez, G.: Finger spelling recognition from depth data using direction cosines and histogram of cumulative magnitudes. In: 2015 28th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), pp. 173–179 (2015)
7.
de Quadros, R.M., Karnopp, L.B.: Língua de Sinais Brasileira - Estudos Linguísticos. Artmed, Porto Alegre (2004)
8.
Suarez, J., Murphy, R.: Hand gesture recognition with depth images: a review. In: RO-MAN 2012, pp. 411–417. IEEE (2012)
9.
Murphy, K.P.: Machine Learning: A Probabilistic Perspective. The MIT Press, Cambridge (2012)MATH
10.
Escobedo-Cardenas, E., Camara-Chavez, G.: A robust gesture recognition using hand local data and skeleton trajectory. In: 2015 IEEE International Conference on Image Processing (ICIP), pp. 1240–1244 (2015)
11.
Pigou, L., Dieleman, S., Kindermans, P.-J., Schrauwen, B.: Sign language recognition using convolutional neural networks. In: Agapito, L., Bronstein, M.M., Rother, C. (eds.) ECCV 2014 Workshops. LNCS, vol. 8925, pp. 572–578. Springer, Heidelberg (2015)CrossRef
12.
Conly, C., Zhang, Z., Athitsos, V.: An integrated RGB-D system for looking up the meaning of signs. In: Proceedings of the 8th ACM International Conference on PErvasive Technologies Related to Assistive Environments (PETRA 2015), pp. 24: 1–24: 8. ACM, New York (2015)
13.
Wang, H., Chai, X., Zhou, Y., Xilin, C.: Fast sign language recognition benefited from low rank approximation. In: 2015 11th IEEE International Conference and Workshops on Automatic Face and Gesture Recognition (FG), vol. 1, pp. 1–6. IEEE (2015)
14.
Anjo, M.D.S., Pizzolato, E.B., Feuerstack, S.: A real-time system to recognize static gestures of Brazilian sign language (Libras) alphabet using kinect. In: Proceedings of the 11th Brazilian Symposium on Human Factors in Computing Systems (IHC 2012), Porto Alegre, Brazil, pp. 259–268. Brazilian Computer Society (2012)
15.
de Souza, C.R., Pizzolato, E.B.: Sign language recognition with support vector machines and hidden conditional random fields: going from finger spelling to natural articulated words. In: Perner, P. (ed.) MLDM 2013. LNCS, vol. 7988, pp. 84–98. Springer, Heidelberg (2013)CrossRef
16.
Matuck, G.R., Moreira, G.S.P., Saotome, O., da Cunha, A.M.: Recognizing the Brazilian signs language alphabet with neural networks over visual 3d data sensor. In: Bazzan, A.L.C., Pichara, K. (eds.) IBERAMIA 2014. LNCS, vol. 8864, pp. 637–648. Springer, Heidelberg (2014)
17.
Bastos, I.L.O., Angelo, M.F., Loula, A.C.: Recognition of static gestures applied to Brazilian sign language (Libras). In: Proceedings of the 2015 International Conference on Image Processing, Computer Vision, and Pattern Recognition (IPCV 2015) (2015)
18.
19.
Dalal, N., Triggs, B.: Histograms of oriented gradients for human detection. In: IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2005), vol. 1, pp. 886–893 (2005)
20.
Müller, M.: Information Retrieval for Music and Motion. Springer, Heidelberg (2007)CrossRef
Metadaten
Titel
Brazilian Sign Language Recognition Using Kinect
verfasst von
José Elías Yauri Vidalón
José Mario De Martino
Copyright-Jahr
2016
Buch
Computer Vision – ECCV 2016 Workshops

Print ISBN: 978-3-319-48880-6

Electronic ISBN: 978-3-319-48881-3

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-48881-3_27