(1) ขั้นตอนของการรับข้อมูลภาพเพื่อต

(1) ขั้นตอนของการรับข้อมูลภาพเพื่อตัดแยกและตรวจจับเพื่อหามือ (Extraction Method) (2) เป็นขั้นตอนในการกำหนดคุณลักษณะของมือ (Features Extraction) ในรูปแบบต่าง เช่น รูปร่าง จุดกึ่งกลาง หรือปลายนิ้ว เป็นต้น เพื่อนำมาใช้ในการรู้จำท่าทางของมือ และ (3) เป็นขั้นตอนการจำแนกท่าทางของมือ (Gestures Classification) เป็นการจำแนกท่าทางของมือที่เหมือนหรือแตกต่างกัน เพื่อให้คอมพิวเตอร์รู้ว่าท่าทางใดใช้สั่งงานอะไร และนอกจากนั้นยังมีการเลือกใช้รูปแบบท่าทางของมือที่หลากหลายในการสั่งงาน ดังตัวอย่างงานวิจัยดังต่อไปนี้ Wenkai และ Eung-Joo [28] นำเสนอวิธีการรู้จำท่าทางมือแบบเรียลไทม์โดยใช้ CamShift Algorithm (Continuously Adaptive Mean shift) เพื่อติดตามการเคลื่อนที่ของมือ ในขั้นตอนของการรู้จำท่าทางของมือใช้วิธี Hidden Markov Model (HMM) ร่วมกับวิธี Fuzzy Neural Network (FNN) Amit และคณะ [29] ได้นำเสนอวิธีการรู้จำท่าทางมือแบบเรียลไทม์ ทำการรู้จำท่าทางโดยการใช้ Field Programmable Gate Array (FPGA) Feng และคณะ [30] ได้นำเสนอวิธีการรู้จำท่าทางของมือในแบบเรียลไทม์ โดยเลือกใช้วิธีการ Hidden Markov Models (HMM) มาใช้ในการรู้จำท่าทางมือและใช้เทคนิคการกำจัดพื้นหลัง (Background Subtraction) มาใช้เพื่อกำจัดพื้นหลังออก, Han และ Kang [31] ได้นำเสนอวิธีการรู้จำท่าทางของมือแบบเรียลไทม์ เลือกใช้วิธีการสองวิธีมาทำงานร่วมกัน คือ เทคนิคการกำจัดพื้นหลัง (Background Subtraction) และเลือกใช้วิธีการ CamShift, Heung และคณะ [32] ได้นำเสนอวิธีการแบบใหม่ในการรู้จำท่าทางของมือแบบเรียลไทม์ ใช้วิธีในการรู้จำท่าทางคือ Dynamic Bayesian Network (DBN model) Fayed และคณะ [33] ได้นำเสนอวิธีการรู้จำท่าทางของมือแบบเรียลไทม์ ใช้ Hidden Markov Model (HMM) มาใช้ในการรู้จำท่าทางของมือ Hong-Min และ Chi-Man [34] ได้นำเสนอวิธีการรู้จำท่าทางของมือในขณะเวลาจริง โดยทำการเปรียบเทียบวิธีการตรวจจับมือ 2 วิธีการ คือ วิธี Inter-Frame Difference Based Hand Detection (IDFHD) เปรียบเทียบกับวิธี Skin Color Based Hand Detection (SCHD) Aditya และคณะ [35] ได้นำเสนอวิธีการรู้จำท่าทางมือแบบเรียลไทม์ ใช้วิธี Hidden Markov Model (HMM) ในการรู้จำท่าทางของมือ ทำการประยุกต์การรู้จำท่าทางมือที่ได้ในการควบคุมหุ่นยนต์ Hsiang-Yueh และ Han-Jheng [36] ได้นำเสนอวิธีการรู้จำท่าทางมือแบบเรียลไทม์ ใช้การหาสีผิวในการตรวจจับหามือ ทำการหาสีผิวด้วยโมเดลสี YCbCr Color Space จากนั้นทำการปรับปรุงภาพทำการกำจัดสัญญาณรบกวนออกและหารูปร่างของมือ และใช้วิธการ Hidden Markov Model (HMM) ในการรู้จำท่าทางมือ

ผลลัพธ์ (อังกฤษ) 1:

(1) the process of receiving image data to cut, split, and detection to find tool (Extraction Method) (2) as a step in defining the features of the tool (Extraction Features) in different formats, such as the shape of a finger, or midpoint, etc to be used in hand gesture recognition, and (3) as a step to recognize the gesture of the hand Gestures (Classifica.Tion of the gesture recognizer) is the same or different tools for the computer to know what commands any stance, and there is also a selection of a variety of hand gestures in the task order. For example, the following research and Eung-Joo [28] Wenkai offer hand posture recognition in real-time using the CamShift Algorithm (Adaptive shift Mean Continuously) to track the movement of the hand. In the process of hand gesture recognition using Hidden Markov Model (HMM) method in conjunction with the Fuzzy Neural Network method (FNN) [29] and Amit has offered a hand posture recognition method in real-time. Make a gesture recognition using Field Programmable Gate Array by (FPGA) Board [30] and Feng proposed a method of hand posture recognition in real-time by Hidden Markov Models methods (HMM) employed in hand gesture recognition and background removal techniques (Background Subtraction) to get rid of the background, and Han Kang [31] apply.Awithi pine hand posture recognition in real-time. Select using two methods work together, is a technique to get rid of the background (Background Subtraction) and methods, and Heung CamShift [32] the Board has offered a new approach in hand gesture recognition in real-time. Use the methods in the gesture recognition is a Dynamic Bayesian Network (DBN model) [33] and the Board of Fayed has offered a gesture recognition method of the real-time tool. Using a Hidden Markov Model (HMM) employed in hand gesture recognition, Hong-Min, and Chi-Man [34] offer a way of hand posture recognition in real time while. By comparing how the detection tool, 2 How to Inter-Frame Difference Based Hand Detection is a method (IDFHD) compared to how Skin Color Based Hand Detection (SCHD) Board and Aditya [35] have offered a hand posture recognition method in real-time. Using a Hidden Markov Model (HMM) method in hand gesture recognition. Make a hand gesture recognition application in robot controller Hsiang-Yueh and Han-Jheng [36] have offered a hand posture recognition method in real-time. Used to find the skin color detection finding tool. For YCbCr color model with skin color, Color Space, and then make adjustments to the image noise removal is made out, and find the shape of the hand and the Hidden Markov Model using the available bandwidth (HMM) in hand gesture recognition.

ผลลัพธ์ (อังกฤษ) 2:

(1) step of acquiring image data to cut separation and detection for mobile (Extraction Method) (2) is a step in the feature set of hands (Features Extraction) in various forms, such as shapes midpoint or fingertip. etc., to be applied in the recognition of hand gestures, and (3) a process of identification of hand gestures (gestures classification) classification as a gesture of the hand the same or different. So the computer knows what manner does the job. And also the use of various forms of hand gestures to operate. For example, research the following Wenkai and Eung-Joo [28] presented a method for gesture recognition in realtime using CamShift Algorithm (Continuously Adaptive Mean shift) to track the movement of the hand. In the process of recognition of hand gestures using Hidden Markov Model (HMM) method with Fuzzy Neural Network (FNN) Amit and colleagues [29] presented the hand-gesture recognition realtime. The gesture recognition using Field Programmable Gate Array (FPGA) Feng and colleagues [30] presented the recognition of hand gestures in realtime. The use of Hidden Markov Models (HMM) used to recognize hand gestures and techniques to eliminate background (Background Subtraction) used to eliminate background, Han and Kang [31] presented no way of knowing. remember the gesture of a hand realtime. Use two methods together is a technique to get rid of the background (Background Subtraction) and choose how CamShift, Heung and colleagues [32] presented a new approach to gesture recognition, hand reality. Time Use of gesture recognition is Dynamic Bayesian Network (DBN model) Fayed et al [33] presented the gesture recognition of hand-realtime using Hidden Markov Model (HMM) used in gesture recognition. Hong-Min's hand and Chi-Man [34] presents the recognition of hand gestures in real time. The estimation methods of detection used two methods is the way Inter-Frame Difference Based Hand Detection (IDFHD) compared to Skin Color Based Hand Detection (SCHD) Aditya and colleagues [35] presented the hand gesture recognition model. realtime using Hidden Markov Model (HMM) in recognition of hand gestures. The system can recognize hand gestures to control the robot and Hsiang-Yueh Han-Jheng [36] have presented a method for gesture recognition in realtime. The color used for the detection equipment. Perform a skin color with color models YCbCr Color Space, then adjusted to eliminate image noise and find out the shape of the hand and the bandwidth of the Hidden Markov Model (HMM) to recognize hand gestures.

ผลลัพธ์ (อังกฤษ) 3:

(1) the process of receiving image data to cut and detection to find a hand (Extraction Method) (2) is a step in the formulation characteristics of hand. (Features Extraction) in different forms, such as shapes, midpoint or fingertips, etc., to be used ในการรู้ recognize hand gesture. (3) is the process of classification of hand gesture (Gestures Classification). A classification of hand gestures like or different. For the computer to know what any gestures used command And also the posture of the hand patterns varied in order. The following example research Wenkai Eung-Joo [] and 28 proposes a real-time hand gesture recognition using CamShift Algorithm. (Continuously Adaptive Mean shift) to track the movement of the hand. In the process of hand gesture recognition method Hidden Markov Model (HMM) with conventional Fuzzy Neural Network (FNN) Amit and faculty [29]. It proposes a real-time hand gesture recognition The gesture recognition by using Field Programmable Gate Array (FPGA) Feng and faculty [30] proposes hand gesture recognition in real-time. By the Hidden Markov Models (HMM) used in the recognition of hand gestures and use the technique of background (Background Subtraction). Used to get rid of the background, Han Kang [] and 31 proposes hand gesture recognition in real-time. Use two methods to work together is the technique of background (Background Subtraction) and choose to CamShift Heung anddependent,, [] and of the 32 presents a new approach in the recognition of hand gesture real-time. The recognition Dynamic posture is Bayesian Network (DBN model) Fayed and faculty [33] proposes hand gesture recognition แบบเรียล time. Use Hidden Markov Model (HMM) used in the recognition of hand gesture and 34 Hong-Min Chi-Man [] proposes hand gesture recognition at real time. The detection method 2 hand method is the way Inter-Frame Difference Based Hand Detection (IDFHD) compared with the method. Skin Color Based Hand Detection (SCHD) Aditya and faculty [35] proposes real-time hand gesture recognition method, Hidden Markov Model (HMM) in recognition of hand gesture The application of hand gesture recognition in robot control Hsiang-Yueh Han-Jheng [] and 36 proposes a real-time hand gesture recognition Used to find the skin color detection is carried the color with color models YCbCr Color Space then the pictures do more.