dc.contributor.author | Μαυρουδέας, Γεώργιος | el |
dc.contributor.author | Mavroudeas, Georgios | en |
dc.date.accessioned | 2017-09-01T08:49:25Z | |
dc.date.available | 2017-09-01T08:49:25Z | |
dc.date.issued | 2017-09-01 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/45456 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.14463 | |
dc.rights | Αναφορά Δημιουργού 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/gr/ | * |
dc.subject | Νευρωνικά δίκτυα | el |
dc.subject | Αυτο-οργανούμενοι χάρτες | el |
dc.subject | Επικοινωνία ανθρώπου μηχανής | el |
dc.subject | Αναγνώριση χειρονομιών | el |
dc.subject | Neural networks | en |
dc.subject | Self organizing maps | en |
dc.subject | Human computer interaction | en |
dc.subject | Gesture recognition | en |
dc.title | Ποιοτική ανάλυση και αναγνώριση χειρονομιών | el |
heal.type | bachelorThesis | |
heal.classification | Προχωρημένη μηχανική μάθηση | el |
heal.classificationURI | http://data.seab.gr/concepts/d5cf140063d31fceb414be6c8dcb4654ffd3efcf | |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2017-06-30 | |
heal.abstract | Η 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 χεριών Για 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 αυτήν | el |
heal.abstract | The 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 aformentioned 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 rerated to it. | en |
heal.advisorName | Σταφυλοπάτης, Ανδρέας-Γεώργιος | el |
heal.committeeMemberName | Σταφυλοπάτης, Ανδρέας-Γεώργιος | el |
heal.committeeMemberName | Στάμου, Γεώργιος | el |
heal.committeeMemberName | Νικήτα, Κωνσταντίνα | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 113 σ. | |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: