Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userDevelop a Parallel Processing System to Recognize the Deaf and Mute Gestures and Apply it based on FPGA
تطوير نظام معالجة تفرعي للتعرف على إيماءات الصم و البكم و تطبيقه بالاعتماد على FPGA
1127
2 78
0
(
0
)
Authors
عمار زقزوق( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
في هذا البحث، قمنا بمعالجة مصفوفة تعبر عن صورة اليد البشرية بغية الحصول على مميزات هذه الصورة. في سبيل تحقيق ذلك، استخدمنا تقنية FPGA من خلال تقسيم عمليات المعالجة إلى ثلاثة مسالك، يتم تنفيذها على التفرع. إذ ينفذ كل مسلك باستخدام التقنية الأنبوبية بتقسيمه إلى ثلاثة مقاطع. بعد ذلك، عملنا على تقدير التسريع الذي حصلنا عليه نتيجة استخدامنا للتقنية الأنبوبية و المسالك التفرعية. و بالتالي، أصبح لدينا إمكانية تصميم نظام مضمن داخل شريحة، و استخدام الهواتف النقالة كأجهزة متكاملة من ناحية الموارد المادية و البرمجية.
In this paper, we processed an array which represents the human hand image to get the characteristics of this image. So, we used FPGA technique, and the processing operation is partitioned into three threads which is carried out in parallel. Each thread is carried out using the pipeline technique by partitioning thread into four segments. After that, we evaluated the speedup that we get in result of using the pipeline technique and the parallel threads. So, we have the possibility to design an embedded system integrated into chip (SoC), and using the mobile phones as integral devices support the software and hardware resources.
Artificial intelligence review:
Research summary
تناقش هذه الورقة البحثية تطوير نظام معالجة تفرعي للتعرف على إيماءات الصم والبكم باستخدام تقنية FPGA. يهدف البحث إلى تحسين سرعة وفعالية التعرف على الإيماءات من خلال تقسيم عملية المعالجة إلى ثلاثة مسالك تعمل بشكل متوازي باستخدام تقنية الأنابيب. تم تطبيق النظام على صور اليد البشرية لاستخلاص ميزاتها، وتم تقسيم العمليات إلى أربعة مقاطع في كل مسلك. أظهرت النتائج تسريعاً ملحوظاً مقارنة بالأنظمة التسلسلية التقليدية، مما يتيح إمكانية استخدام هذا النظام في تطبيقات الهواتف المحمولة والنظم المضمنة. كما تم مقارنة النظام المطور مع أبحاث سابقة في مجال معالجة الصور باستخدام الحوسبة التفرعية، وأظهرت النتائج تفوق النظام الجديد في عدة جوانب مثل زمن الاتصال شبه المعدوم واستقلالية الموارد وقابلية إعادة التطوير والبرمجة.
Critical review
دراسة نقدية: تعتبر هذه الورقة البحثية خطوة مهمة نحو تحسين تفاعل الصم والبكم مع المجتمع من خلال تطوير نظام فعّال للتعرف على الإيماءات. ومع ذلك، يمكن توجيه بعض النقد البناء للبحث. أولاً، التركيز على لغة إشارة واحدة قد يحد من تطبيق النظام على نطاق أوسع، حيث توجد العديد من لغات الإشارة المختلفة. ثانياً، لم يتم التطرق بشكل كافٍ إلى كيفية التعامل مع الإيماءات المعقدة التي تشمل حركات الجسم والرأس. ثالثاً، على الرغم من أن البحث أظهر نتائج إيجابية، إلا أن التطبيق العملي للنظام في بيئات حقيقية لم يتم اختباره بشكل كافٍ. وأخيراً، يمكن أن يكون هناك اهتمام أكبر بتكلفة الإنتاج والتطبيق العملي للنظام في الأسواق التجارية.
Questions related to the research
-
ما هو الهدف الرئيسي من البحث؟
يهدف البحث إلى تطوير نظام معالجة تفرعي للتعرف على إيماءات الصم والبكم باستخدام تقنية FPGA، وتحسين سرعة وفعالية التعرف على الإيماءات.
-
ما هي التقنية المستخدمة في تطوير النظام؟
تم استخدام تقنية FPGA (مصفوفة البوابات القابلة للبرمجة حقلياً) لتطوير النظام.
-
ما هي الفوائد الرئيسية للنظام المطور مقارنة بالأنظمة التقليدية؟
النظام المطور يتميز بزمن اتصال شبه معدوم، استقلالية في الموارد، قابلية إعادة التطوير والبرمجة، معالجة في الزمن الحقيقي، صغر الحجم، تكلفة منخفضة، واستهلاك طاقة قليل.
-
ما هي التحديات التي يمكن أن تواجه تطبيق النظام في بيئات حقيقية؟
التحديات تشمل التعامل مع لغات الإشارة المختلفة، الإيماءات المعقدة التي تشمل حركات الجسم والرأس، والتأكد من فعالية النظام في بيئات حقيقية.
References used
Oi Mean Foong, Tan Jung Low, Satrio Wibowo, “Hand Gesture Recognition: Sign to Voice System (S2V)”, International Journal of Electrical, Computer, and Systems Engineering 3:4, 2009
Tin Hninn Maung, “Real-Time Hand Tracking and Gesture Recognition System Using Neural Networks”, World Academy of Science, Engineering and Technology 50, 2009
Ming-Hsuan Yang, Narendra Ahuja, Mark Tabb, “Extraction of 2D Motion Trajectories and Its Application to Hand Gesture Recognition”, IEEE transactions on pattern analysis and machine intelligence, vol. 24, no. 8, august 2002
rate research
Read More
This paper introduces a system to recognize labels of time plans, where labels are
extracted from time plan. This labels are images, so spatial segmentation is used to extract
images of labels only. Size of images of labels are made same using medi
an's algorithm for
two purposes. The first one is to create database training for used neural networks. The
second is to recognizing's processing. Two methods of recognizing are dependent on using
neural networks technic: classification using perceptron network and recognizing using
back propagation network. Perceptron network is built to take image as input and to give
classification index as output for label. Then label is recognize dependent on stored table
of ASCII for label. Back propagation network is designed to recognize images for all
letters of English alphabet that are used in time plan. Results of research appear efficiency
of designed system to recognize labels of time plan from their images for both methods
after system had been applied on three time plans.
This study shows the application of network planning tool for planning, scheduling
and control of maintenance operations. Taking into account that the maintenance process is
a project as it consists of a set of actions that consume specific resourc
es and have a data
specified achievement. Thus you can create a represents the maintenance process activities.
This diagram helps to maintenance process scheduling, additionally, it allows activity time
maintenance. For this purpose, we used the project. Evaluating and Review technique,
because it respond to order delivery vacillation.
Most of the time, when dealing with a particular Natural Language Processing task, systems are compared on the basis of global statistics such as recall, precision, F1-score, etc. While such scores provide a general idea of the behavior of these syst
ems, they ignore a key piece of information that can be useful for assessing progress and discerning remaining challenges: the relative difficulty of test instances. To address this shortcoming, we introduce the notion of differential evaluation which effectively defines a pragmatic partition of instances into gradually more difficult bins by leveraging the predictions made by a set of systems. Comparing systems along these difficulty bins enables us to produce a finer-grained analysis of their relative merits, which we illustrate on two use-cases: a comparison of systems participating in a multi-label text classification task (CLEF eHealth 2018 ICD-10 coding), and a comparison of neural models trained for biomedical entity detection (BioCreative V chemical-disease relations dataset).
The entry of computer to many areas, such as medical field, led to develop new
technique that has led to the prosperity of these areas, and helped doctors to detect and
diagnose diseases accurately and credibility, where the experience of the docto
r in addition
to the accuracy of computer lead to access to the credibility of high patient and save
human lives.
A new approach for cardiac diseases detection and classification in ECG signals
images is proposed using Adaptive Neuro Fuzzy Inference System ANFIS.
The proposed approach is applied on database containing (147) ECG images,
each of them accompanied with its medical report. The medical reports were used to
validate the detection and classification.
The proposed method achieved a relatively high accuracy (97%) in detection and
classification processes.
The proposed approach is developed using MATLAB, and based on its libraries,
image processing, neural network and fuzzy logic.
The research presents a design for an automated checking system for students. The
system takes a picture of the student, then it extracts his/her basic facial features. The
network was trained using the reverse spreading algorithm. If a training da
tabase is
generated for each student consisting of 15 training samples contained of the necessary
facial expressions to identify the student for one time at the beginning of the semester, then
the neural network will be trained on students database to obtain a trained neural network
able to identify the students of each category depending on their physical appearance. That
will result in knowing who attends and who does not attend the session. The system
designed for this purpose was supplied with the trained network. The system provides the
possibility of automated checking for students according to the content of the study giving
the alarm in case of the existence of the picture of a student who does not belong to the
same group.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
