Gestenerkennung des Fingeralphabets der Gebärdensprache mithilfe eines magnetischen Positionierungssystems

Die Handgestenerkennung ist eine entscheidende Aufgabe für die automatisierte Übersetzung von Gebärdensprache, die Kommunikation für Gehörlose ermöglicht. Diese Arbeit schlägt die Verwendung eines magnetischen Positionierungssystems zur Erkennung der statischen Gesten vor, die mit dem Fingeralphabet der Gebärdensprache verbunden sind. Insbesondere misst ein magnetisches Positionierungssystem, das aus mehreren tragbaren sendenden Knoten besteht, die 3D-Position und Orientierung der Finger innerhalb eines Betriebsvolumens von etwa 30 × 30 × 30 cm, in dem Empfangsknoten an bekannten Positionen platziert sind. Die gemessenen Positionsdaten werden dann von einem Klassifikationsalgorithmus des maschinellen Lernens verarbeitet. Das vorgeschlagene System und die Klassifikationsmethode werden durch experimentelle Tests validiert. Die Ergebnisse zeigen, dass der vorgestellte Ansatz gute Verallgemeinerungseigenschaften aufweist und eine Klassifikationsgenauigkeit von etwa 97 % bei 24 Buchstaben des Alphabets bietet. Somit wird die Machbarkeit des vorgeschlagenen Gestenerkennungssystems für die automatisierte Übersetzung des Fingeralphabets der Gebärdensprache nachgewiesen.