KaydedilenlerDerginizi ekleyin

Dergiler / Folklor/Edebiyat / 2019 / Cilt: 25 - Sayı: 97

İşitme ve Konuşma Engelli Bireyler için İşaret Tanıma Sistemi Geliştirme

Bora OKTEKİN
Nadire ÇAVUŞ
Sayfa
575–590
Yayın Tarihi
2019-09-20
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Ayrıca, yapılmış çalışmaların daha çok Amerikan İşaret Dili, İngiliz İşaret Dili ve Arap İşaret Dili yönünde olduğu ve Türk İşaret Dili yönünde yapılan çalışmaların yeterli olmadığı tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:İşaret dili, el hareketlerinin, parmakların, kolların veya vücut hareketinin oryantasyonu ile konuşanın fikirlerini iletmek için yüz ifadeleriyle eş zamanlı olarak yaptıkları hareketlerdir.
📊
Temel Bulgular & Veri:Çalışma kapsamında geliştirilen akıllı sistemde, Türk İşaret Dili’nde ses bilimi olarak adlandırılan ve işaretlerin de temelini oluşturan 33 tane temel işaret baz alınmıştır.
💡
Sonuç & Katkı:Ayrıca, yapılmış çalışmaların daha çok Amerikan İşaret Dili, İngiliz İşaret Dili ve Arap İşaret Dili yönünde olduğu ve Türk İşaret Dili yönünde yapılan çalışmaların yeterli olmadığı tespit edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:işaret tanıma · Türk İşaret Dili · hareket tanıma

Özet

İşaret dili, el hareketlerinin, parmakların, kolların veya vücut hareketinin oryantasyonu ile konuşanın fikirlerini iletmek için yüz ifadeleriyle eş zamanlı olarak yaptıkları hareketlerdir. İşaret dilleri, son yıllarda tüm araştırmacıların gözdesi konumundadır. Yapılan hareketler sensörler yardımı ile tanınabilmektedir. Ancak, hareket verilerinin bilgisayar sistemlerine aktarılması büyük önem taşımaktadır. Alan yazın incelemesi sonucunda bu yönde yapılan çalışmaların yeterli olmadığı belirlenmiştir. Ayrıca, yapılmış çalışmaların daha çok Amerikan İşaret Dili, İngiliz İşaret Dili ve Arap İşaret Dili yönünde olduğu ve Türk İşaret Dili yönünde yapılan çalışmaların yeterli olmadığı tespit edilmiştir. Bu çalışmada, işitme ve konuşma engelli bireylerin diğer bireyler ile iletişimlerini kolaylaştırabilecek akıllı bir sistem geliştirilmiştir. Bu bağlamda yapılan çalışmanın alan yazındaki bu eksikliğin giderilmesine fayda sağlayacağı düşünülmektedir. Çalışma kapsamında geliştirilen akıllı sistemde, Türk İşaret Dili’nde ses bilimi olarak adlandırılan ve işaretlerin de temelini oluşturan 33 tane temel işaret baz alınmıştır. Bu işaretlerin sistem tarafından tanınabilmesi için Microsoft Kinect v2 sensörü kullanılmıştır. Sistemin altyapısında C# programlama dili ile sınıflandırma algoritmalarından Saklı Markov Modeli ve veritabanı olarak da MongoDB kullanılmıştır. Yapılan vaka çalışması sonucunda; 33 temel işaretin %82’inin geliştirilen sistem tarafından doğru bir şekilde tanımlandığı gözlemlenmiştir. Elde edilen doğruluk oranı göz önünde tutularak geliştirilen işaret tanıma sisteminin hem işitme ve konuşma engelli bireylere, hem de diğer bireylere yardımcı olacağı ve aralarındaki iletişim kurma problemini çözeceği düşünülmektedir.

🔖

Bu Makaleye Atıf Yap

OKTEKİN, B., ÇAVUŞ, N. (2019). İşitme ve Konuşma Engelli Bireyler için İşaret Tanıma Sistemi Geliştirme. Folklor/Edebiyat, Cilt: 25 - Sayı: 97, 575–590. https://ajindex.com/articles/59886

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Abdel-Fattah, M, (2005). Arabic sign language: a perspective. The Journal of Deaf Studies and Deaf Education, 10(2), 212-221.
  2. Açan, A.Z (2007). A linguistics analysis on basic sentence types in Turkish Sign Languge (TİD) with reference to non-manual activity. Türk İşaret Dili (TİD)’deki Temel Tümce Türlerinin El-Dışı Göstergeler Açısından Dilbilimsel İncelemesi) (Yayınlanmamış doktora tezi) Hacettepe Üniversitesi,
  3. Sosyal Bilimler Enstitüsü, Ankara,
  4. Türkiye. Akmeliawati, R., Ooi, M.P.L. & Kuang. Y. (2007). Real-time Malaysian sign language translation using colour segmentation and neural network. IEEE Instrumentation & Measurement Technology Conference IMTC (s. 1-6).
  5. Warsaw. Chuan, C. H., Regina, E. & Guardino, C. (2014). American Sign Language recognition using leap motion sensor. 13th International Conference on Machine Learning and Applications, (s. 541-544).
  6. Detroit. Demircioğlu, B., Bülbül, G. & Köse, H. (2016). Turkish Sign Language recognition with Leap Motion. 24th Signal Processing and Communication Application Conference (SIU) (s. 589-592).
  7. Elons, A. S., Ahmed, M., Shedid, H. & Tolba, M. F. (2014). Arabic Sign Language recognition using Leap Motion Sensor. 9th International Conference on Computer Engineering & Systems (ICCES), (s. 368-373).
  8. Cairo. Fatmi, R., Rashad, S., Integlia, R. & Hutchison, G. (2017). American Sign Language recognition using Hidden Markov Models and wearable motion sensors. Transactions on Machine Learning and Data Mining, 10(2), 41-55.
  9. Fenlon, J. & Wilkinson, E. (2015). Sign languages of the world. Sociolingustics and Deaf Communities, (s. 5-28) Cambridge: Cambridge University Press.
  10. Gülağız, F. K., Özcan, H. & Şahin, S. (2017). An interactive Turkish Sign Language learning application using Leap Motion Controller. International Conference on Advanced Technology and Sciences. (s. 93-96). Riga: Letonya. Işıkdoğan-Uğurlu, N. (2017). İşitme engelli okuyucuların okuma sürecinde Türkçenin ve Türk İşaret dilinin biçim-sözdizim özellikleri. Ankara Üniversitesi Eğitim Bilimleri Fakültesi Özel Eğitim Dergisi, 18(2), 291-308.
  11. Jingqiu, W. & Ting, Z. (2014). An ARM-based embedded gesture recognition system using a data glove. 26th Chinese Control and Decision Conference (2014 CCDC), (s. 1580-1584).
  12. Changsha. Kubus, O. (2008). An analysis of Turkish Sign Language (TID) phonology and morphology. Yüksek lisans Tezi, Orta Doğu Teknik Üniversitesi.
  13. Lei, L. & Dashun, Q. (2015). Design of data-glove and Chinese sign language recognition sys