جلسه دفاع از پایان‌نامه: خانم صفورا محمدعلیپور، گروه مهندسی کامپیوتر

خلاصه خبر: شناسایی ژست دست با استفاده از سیگنال های وای فای

  • عنوان: شناسایی ژست دست با استفاده از سیگنال های وای فای
  • ارائه‌کننده: صفورا محمدعلیپور
  • استاد راهنما: دکتر فواد قادری
  • استاد ناظر داخلی اول: دکتر نصراله مقدم چرکری
  • استاد ناظر خارجی اول: دکتر حمیدرضا شایق (دانشگاه: شهید رجائی )
  • استاد مشاور اول: دکتر علی رضا شفیعی
  • مکان: 6/01
  • تاریخ: 97/06/27
  • ساعت: 

چکیده:  تشخیص ژست دست کاربردهای زیادی در ایجاد واسط¬های انسان و کامپیوتر دارد. نمونه¬هایی از این مساله را می¬توان در سامانه¬های واقعیت مجازی، ماشین¬های هوشمند، کنترل بدون لمس و غیره دید. از سوی دیگر در چند سال اخیر نشان داده شده است که تغییر در محیط باعث تغییر در الگوی سیگنال‏های وای فای تبادل شده بین ارسال کننده و دریافت کننده می‏شود. این ویژگی سیگنال¬های وای فای در سناریوهای تعامل انسان و ماشین برای تشخیص ژست دست مورد توجه قرار گرفته است. برخلاف پیشرفت قابل توجه در این حوزه، هنوز چالش¬های زیادی در مورد تشخیص و شناسایی ژست دست وجود دارد. در این پژوهش دو ویژگی پر کاربرد مورد استفاده در این حوزه یعنی ویژگی مبتنی بر شدت سیگنال دریافتی(RSS) و ویژگی مبتنی بر اطلاعات وضعیت کانال (CSI) مورد مقایسه قرار می¬گیرند. پنج ژست مختلف دست توسط 14 کاربر تکرار شده‏اند و در جریان آزمایشات سیگنال وای فای تبادل شده بین یک فرستنده و یک گیرنده ضبط شده است. برای این کار از ابزار CSI-tools استفاده شده است. این ابزار اطلاعات کانال و شدت سیگنال دریافتی را در اختیار قرار می¬دهد. پس از پیش پردازش و استخراج ویژگی‏های مناسب پنج دسته‏بند مختلف برای تعیین نوع ژست دست استفاده شدند. نتایج آزمایش¬های ما نشان می¬دهد که دسته‏بند جنگل تصادفی با استفاده از ویژگی¬های مبتنی بر CSI با دقت حدود80 درصد نسبت به روش مبتنی بر استفاده از ویژگیهای RSS با دقت حدود 60 درصد برتری دارد.
کلمات کلیدی:  تشخیص ژست دست, شدت سیگنال دریافتی, اطلاعات وضعیت کانال, جنگل تصادفی


31 شهریور 1397 / تعداد نمایش : 1873