با هزینه ای اندکی شما میتونید فایل (روش جدید برای لب‌خوانی با استفاده از پردازش تصویر 13 ص) را تهیه کنید.

قسمتی از متن :

‏روش جدید برای لب‏‌‏خوانی با استفاده از پردازش تصویر

‏وحیده نیکفرجام هفت‏‌‏آسیا

‏گروه کامپیوتر- دانشگاه آزاد اسلامی مشهد

Vahideh_nikfarjam@yahoo.com

‏چکیده :

‏بازشناسی تصویری گفتار به عنوان فرآیندی برای کمک به افرادی که دچار آسیب در سیستم صوتی شده‏‌‏اند، در سالهای اخیر مورد توجه محققین قرار گرفته‏‌‏ است. در این مقاله سعی در این بوده که سه روش برای استخراج ویژگی شکل لب ارائه شود : استخراج کانتور لب ، قطعه‏‌‏بندیWatershed ‏ ، پارامترهای پویانمایی چهره . سپس برای شناسایی گفتار از روی حرکات لب از الگوریتم HMM‏ و شبکه‏‌‏های عصبی پرسپترون دولایه با ساختاری ساده استفاده شده است.

‏واژه‏‌‏های کلیدی :‏ بازشناسی تصویری گفتار ،استخراج کانتور لب ، قطعه‏‌‏بندی Watershed‏ ، پویانمایی چهره ، ردیابی علائم .

‏1-‏ مقدمه :

‏ سامانه‏‌‏ی لب‏‌‏خوانی رایانه‏‌‏ای به معلولینی کمک می کند که دچار آسیب در سیستم صوتی بوده و قادر به برقراری ارتباط با دیگران نیستند. این افراد معمولا توانایی انجام صحیح حرکات لب به شکلی که برای تکلم لازم است را داشته و در حالت ایده‏‌‏آل می‏‌‏توان با انجام لب‏‌‏خوانی به مقصود آنها پی برد. این نرم‏‌‏افزار به معلولینی که از صندلی چرخدار استفاده می‏‌‏کنند و فقط توانایی انجام صحیح حرکات لبشان را دارند کمک می‏‌‏کند؛ بدین ترتیب که با کمک دوربین فیلمبرداری حرکات لب آنها ثبت می‏‌‏شود و پس از آنالیز ، فرامین لازم به ویلچر داده می‏‌‏شود.

‏ از جمله کاربرد های این سامانه می‏‌‏توان به تشخیص فرامین ناتوانان گفتاری ،تشخیص برخی کلمات خاص، مکمل بازشناسی گفتار صوتی و همچنین کاربرد‏‌‏های نظامی و اطلاعاتی ذکر کرد .در کاربرد حفاظتی ، این سامانه می‏‌‏تواند با بهره‏‌‏گیری از حرکات لب و بدون ثبت سیگنال صوتی ،کلمات خاصی را شناسایی و تصویر گوینده‏‌‏ی آن را در مراکز عمومی و محل‏‌‏های تردد ثبت کند.

‏ فرآیند بازشناسی تصویری گفتار شامل دو مرحله‏‌‏ی استخراج ویژگی از دنباله تصاویر لب و طبقه‏‌‏بندی ویژگی‏‌‏های بدست آمده است. ویژگی گفتاری تصویر حرکات لب معلولین که دارای رنگ پوست و ظاهر متفاوتی هستند ، به کمک طراحی یک الگوریتم جدید استخراج شده و در مرحله‏‌‏ی بعد با استفاده از الگوریتم مدل مخفی مارکوف ، حرکات و گفتار تصویری تشخیص داده می‏‌‏شود . بهره‏‌‏گیری از اطلاعات تصویری از شکل‏‌‏های لب و حرکات آن ، دقت و اطمینان سیستم‏‌‏های تشخیص اتوماتیک گفتار صوتی را ـ خصوصا در محیط‏‌‏های نویزی ـ بطور قابل توجهی بهبود می بخشد .

‏ آزمایش این نرم‏‌‏فزار بر روی مجموعه‏‌‏ی دادگان جمع‏‌‏آوری شده ،شامل 20 نفر زن و مردِ 20 تا50 سال صورت گرفته و روی 6 واژه گفتاری 1،2،3،4،5،6 با 91درصد موفقیت ، بازشناسی گفتار انجام شده است . این پژوهش‏‌‏ها در مراحل تکمیلی می توانند با افزایش تعداد کلماتِ قابل شناسایی ، محدوده‏‌‏ی تشخیص را هر چه بیشتر افزایش دهند .

‏2‏- استخراج كانتورلب

‏به منظوراستخراج ويژگيهاي تصويري مربوط به توليد گفتار،استخراج دقيق شكل لب حياتي مي باشد.استفاده ازرويكردهاي مبتني برلبه براي استخراج لب داراي مشكلات فراواني مي باشد؛ زيرانگاشتهاي بدست آمده براساس ويژگي لبه معمولأ داراي نويزواشتباهات فراواني مي باشد. به علاوه لبه هااغلب درمرزلب مفقود بوده ياازنظردامنه خيلي ضعيف هستند.باتوجه به اين مشكلات، رويكرد استخراج كانتورلب مابه آشكارسازي لبه هادرلب استناد نكرده است، بلكه هدف ماتقسيم بندي تصاويرلب داده شده به ناحيه لب وغيرلب براساس شدت روشنايي ورنگ پيكسلهامي باشد.دراين روش،فرض نمي شود كه لب داراي يك رنگ خاص باشد بلكه جستجو بر اساس تفاوت شدت روشنايي ورنگ بين نواحي لب وغيرلب صورت مي گيرد.درادامه درابتدا مدل پيشنهادي باجزئيات شرح داده مي شود.سپس تابع هزينه براي پيداكردن بهينه مرزبين ناحيه لب وغيرلب ولگوريتم بهينه سازي پارامترهاي مدل توضيح داده مي شود.

‏3-2‏- مدل لب

‏ازمدلهاي انعطاف پذيرهندسي براي مدل كردن شكل لب استفاده شده است .مدل هندسي به شكل لب اجازه مي دهد كه بوسيله يك مجموعه كوچكي ازپارامترهاباتفسيرفيزيكي توصيف شود. مدل هندسي لب درشكل (1) نش‏ا‏ن داده شده است وبامعادلات(1) و(2) توصيف مي شود:

‏(1)‏ ‏و (2)

‏

‏تفسيرفيزيكي پارامترهادرشكل نشان داده شده است.پارامترs‏ انحراف شكل لب رانشان مي دهد. پارمترs‏ انحراف منحني ازحالت چهارگوش راتوصيف مي كند.s‏ به توان دورسيده وبايك جمع شده تاهميشه مثبت باشد.همچنين پارامترs‏ اجازه مي دهد كه مدل لب برروي تصاويرلب بادرجه متفاوت خميدگي منطبق شود.اگرچه لب گوينده وحركات لب به طوركلي متقارن نمي باشد اما انحراف ازحالت متقارن بودن معمولأ داراي اهميت نمي باشد.

‏شکل1-مدل لب هندسی

تصاویری از چند صفحه نخست فایل :

توجه فرمایید بدلیل تهیه ی تصویر با نرم افزار های خارجی متن نمایش داده شده در تصاویر ممکن است دارای اشکالاتی در نمایش برخی حروف باشد که در فایل اصلی بدون مشکل است