Порiвняльний аналiз методiв i технологiй розпiзнавання жестiв рук
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Квалiфiкацiйна робота мiстить: 93 стор., 10 рисунки, 1 таблиць, 21 джерел.
Метою роботи є розробка високоефективної системи автоматичного розпiзнавання динамiчних та статичних жестiв рук (українського дактилю), здатної працювати на edge-пристроях у режимi реального часу.
Об’єктом дослiдження є процес автоматичного розпiзнавання жестової мови за допомогою алгоритмiв комп’ютерного зору та методiв глибокого навчання. Предметом дослiдження є моделi та методи видiлення просторово-часових, геометричних i динамiчних ознак кистi для класифiкацiї жестiв. Проведено практичну реалiзацiю та порiвняльний аналiз архiтектур глибокого навчання, орiєнтованих на обробку часових рядiв: рекурентних мереж (LSTM, гiбридна BiLSTM-LSTM), одновимiрних часових згорткових мереж (1D-TCN) та просторово-часових графових мереж (ST-GCN). Результати дослiдження показали, що рекурентнi моделi (LSTM/BiLSTM), хоча i досягають прийнятної точностi (до 78,8%) та здатнi неявно сегментувати межi жестiв, є занадто повiльними для вiдеопотоку в реальному часi (затримка 600–912 мс). Графова архiтектура ST-GCN продемонструвала надвисоку швидкiсть (5,97 мс), проте виявила потребу у бiльших навчальних наборах даних (точнiсть валiдацiї 52,53%). Найефективнiшим рiшенням виявилася модель 1D-TCN, яка забезпечила найвищу точнiсть класифiкацiї на валiдацiйнiй вибiрцi (83,84%) при середнiй затримцi iнференсу 49,89 мс (що дозволяє обробляти 20 жестiв на секунду).
Опис
Ключові слова
розпiзнавання жестiв, український дактиль, комп’ютерний зiр, глибоке навчання, edge AI, mediapipe, 1D-TCN
Бібліографічний опис
Зіневич, В. М. Порiвняльний аналiз методiв i технологiй розпiзнавання жестiв рук : дипломна робота ... бакалавра : 113 Прикладна математика / Зіневич Валентин Михайлович. – Київ, 2026. – 93 с.