ระบบระบุสัญญาณมือเพื่อควบคุมการทางานของบ้านอัจฉริยะด้วยคุณสมบัติรหัสลูกโซ่

Hand-Gesture Identification System for Smart Home Using Chain Code Features

Name: ชยันต์ คงทองวัฒนา

Organization : สถาบันเทคโนโลยีจิตรลดา

Name: ธนัสนี เพียรตระกูล

Organization : มหาวิทยาลัยมหิดล

keyword: การเรียนรู้ของเครื่อง การประมวลผลภาพ

Abstract: ความก้าวหน้าของเทคโนโลยีด้านคอมพิวเตอร์วิทัศน์และการเรียนรู้ของเครื่อง มีส่วนช่วยให้ระบบอัจฉริยะได้รับการพัฒนาเพื่อเพิ่มความสะดวกสบายและความปลอดภัยให้กับมนุษย์มากขึ้น บ้านอัจฉริยะเป็นหนึ่งในระบบที่ได้รับการพัฒนาอย่างต่อเนื่อง และมีหลายวิธีการที่ถูกนำมาใช้เพื่อให้ระบบสามารถเรียนรู้และตอบสนองความต้องการของผู้อยู่อาศัย ในงานวิจัยนี้มุ่งพัฒนาระบบบ้านอัจฉริยะที่สามารถควบคุมการทำงานของอุปกรณ์ไฟฟ้าภายในบ้านผ่านการใช้สัญญาณมือ ผู้ใช้งานระบบไม่จำเป็นต้องสวมใส่อุปกรณ์เสริม ทำให้ผู้ใช้งานไม่รู้สึกรำคาญและง่ายต่อการสั่งงานสัญญาณมือจะถูกบันทึกผ่านทางกล้อง และนำไปประมวลผลเพื่อสกัดคุณลักษณะรหัสลูกโซ่ คุณลักษณะเหล่านี้จะถูกนำไปใช้ในการเรียนรู้ของเครื่อง เพื่อสร้างระบบระบุรูปแบบสัญญาณมือที่มีความสามารถในการจำแนกท่ทาง และใช้ระบุคำสั่งที่ผู้ใช้งานต้องการ ในขั้นตอนทดสอบการระบุรูปแบบสัญญาณมือ ได้ทำการเรียนรู้จากรหัสลูกโซ่ของสัญญาณมือ 10 แบบ พบว่าการเรียนรู้ของเครื่องแบบเพื่อนบ้านใกล้สุดให้ผลการเรียนรู้ที่ค่าความถูกต้องสูงถึง 96.75% ซึ่งสูงกว่าวิธีการอื่นในการทดลอง

Abstract: Advances in computer vision and machine learning technologies have contributed to the development of intelligent systems in order to increase comfort and safety of human. Smart home is a system that is continually developed. Several methods have been used to enable the system to learn and meet the requirements of the residents. This research aims to develop a smart home system that can control the electrical equipment in the home through the hand gesture signals. Users are not required to wear any accessories, making the user less annoyed and easy to control. Hand gestures are recorded through the camera and are processed to extract the chain code features. These features will be used in machine learningto create a hand gesture identification system. This system can recognize the gestures and specify the usercommands. In the experiments, chain code features of 10 hand gesture patterns are learned. The resultsshow that nearest neighbor was achieved with 96.75% of accuracy, which is higher than the other algorithms.

มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา. สำนักวิทยบริการและเทคโนโลยีสารสนเทศ

Address: เชียงใหม่

Email: library@rmutl.ac.th

Modified: 2023-02-15

Issued: 2566-02-12

Article/Proceeding

application/pdf

ISBN: ใน มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา. การประชุมวิชาการวิจัยและนวัตกรรมสร้างสรรค์ ครั้งที่ 7 (CRCI 2021) (p.213-222) เชียงใหม่ : มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา

tha

Spatial: กรุงเทพ

Spatial: ภาคกลาง

©copyrights มหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Hand Gesture Identification System for Smart Home Using Chain Code Features.pdf	719.51 KB	1	2024-12-23 15:18:05

ใช้เวลา

0.025368 วินาที