HỆ THỐNG NHẬN DẠNG NGÔN NGỮ KÝ HIỆU SỬ DỤNG PHƯƠNG PHÁP VECTOR MÁY HỖ TRỢ ĐỂ HỖ TRỢ NGƯỜI KHUYẾT TẬT NGÔN NGỮ

Nguyễn Thanh Nghĩa; Nguyễn Trường Duy; Nguyễn Duy Thảo; Thái Hoàng Linh

doi:10.34238/tnu-jst.11956

HỆ THỐNG NHẬN DẠNG NGÔN NGỮ KÝ HIỆU SỬ DỤNG PHƯƠNG PHÁP VECTOR MÁY HỖ TRỢ ĐỂ HỖ TRỢ NGƯỜI KHUYẾT TẬT NGÔN NGỮ

Thông tin bài báo

Ngày nhận bài: 03/02/25 Ngày hoàn thiện: 25/03/25 Ngày đăng: 26/03/25

Các tác giả

1. Nguyễn Thanh Nghĩa , Trường Đại học Sư phạm Kỹ thuật – Thành phố Hồ Chí Minh
2. Nguyễn Trường Duy, Trường Đại học Sư phạm Kỹ thuật – Thành phố Hồ Chí Minh
3. Nguyễn Duy Thảo, Trường Đại học Sư phạm Kỹ thuật – Thành phố Hồ Chí Minh
4. Thái Hoàng Linh, Trường Đại học Sư phạm Kỹ thuật – Thành phố Hồ Chí Minh

Tóm tắt

Giao tiếp giữa những người bị khuyết tật ngôn ngữ và những người không khuyết tật thường phải đối mặt với những thách thức đáng kể. Hiện nay, có rất nhiều người khuyết tật ngôn ngữ trên toàn thế giới và tại Việt Nam, do đó cần một giải pháp hữu ích để giúp cho người khuyết tật ngôn ngữ có thể giao tiếp dễ dàng hơn. Bài báo này đề xuất một hệ thống giúp những người khuyết tật ngôn ngữ giao tiếp dễ dàng hơn với những người không khuyết tật. Hệ thống được đề xuất bao gồm một găng tay cảm biến để đo tín hiệu chuyển động ngón tay. Các tín hiệu đo được sẽ được tiền xử lý để loại bỏ các nhiễu và artifacts. Sau đó, các tín hiệu đã xử lý được sử dụng để nhận dạng các chữ cái tương ứng với các cử chỉ. Cuối cùng, âm thanh tương ứng với các chữ cái nhận dạng được sẽ được phát qua loa. Hệ thống đạt được độ chính xác là 99,67% trong việc nhận dạng ngôn ngữ ký hiệu. Những kết quả đầy hứa hẹn này cho thấy hệ thống có thể được áp dụng trong các tình huống thực tế để hỗ trợ những người khuyết tật ngôn ngữ.

Từ khóa

Nhận dạng ngôn ngữ ký hiệu; Người khuyết tật ngôn ngữ; Máy vectơ hỗ trợ; Cảm biến gia tốc; Cảm biến uốn cong

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] K. Milbergs, "Most Common Disabilities in the World (2024 Updated Statistics)," 2024. [Online]. Available: https://accessiblyapp.com/blog/most-common-disabilities-world/. [Accessed Jan. 25, 2024].

[2] L. Nga, "2.5 million Vietnamese people are hearing impaired," 2024. [Online]. Available: https://vnexpress.net/2-5-trieu-nguoi-viet-bi-khiem-thinh-4767917.html. [Accessed Jan. 25, 2024].

[3] K.-P. Yang, B. Achee, A. Lewis, S. Hamon, and L. Sulzer, "Talk to the Hand: Sign Language Glove," International Journal of Engineering Research & Technology (IJERT), vol. 13, no. 12, pp. 1-5, 2024.

[4] K. B. N and D. N. Krishnaveni, "Sign Language Recognition Using Deep Learning," International Journal of Engineering Research & Technology (IJERT), vol. 12, no. 3, pp. 1-10, 2023.

[5] R. Joshi and M. B. Vibha, "Hand Gesture Detection For Human-computer Interaction: A Natural Language Processing Approach," International Journal of Engineering Research & Technology (IJERT), vol. 11, no. 6, pp. 1-8, 2024.

[6] N. Praveen, N. Karanth, and M. S. Megha, "Sign language interpreter using a smart glove," in Proceedings of 2014 International Conference on Advances in Electronics Computers and Communications, 2014, pp. 1-5.

[7] J. F. Bukhari, M. Rehman, S. I. Malik, A. M. Kamboh, and A. Salman, "American Sign Language Translation through Sensory Glove; SignSpeak," International Journal of u- and e-Service, Science and Technology, vol. 8, pp. 131-142, 2015.

[8] T. F. O’Connor, M. E. Fach, R. Miller, S. E. Root, P. P. Mercier, and D. J. Lipomi, "The Language of Glove: Wireless gesture decoder with low-power and stretchable hybrid electronics," PLOS ONE, vol. 12, no. 7, pp. 1-12, 2017.

[9] M. A. Ahmed, B. B. Zaidan, A. A. Zaidan, M. M. Salih, and M. M. B. Lakulu, "A Review on Systems-Based Sensory Gloves for Sign Language Recognition State of the Art between 2007 and 2017," Sensors, vol. 18, no. 7, pp. 1-44, 2018.

[10] J. Pan, Y. Luo, Y. Li, C.-K. Tham, C.-H. Heng, and A. V.-Y. Thean, "A Wireless Multi-Channel Capacitive Sensor System for Efficient Glove-Based Gesture Recognition With AI at the Edge," IEEE Transactions on Circuits and Systems II: Express Briefs, vol. 67, no. 9, pp. 1624-1628, 2020.

[11] E. Ayodele, T. Bao, S. A. R. Zaidi, A. M. A. Hayajneh, J. Scott, and Z.-Q. Zhang, "Grasp Classification With Weft Knit Data Glove Using a Convolutional Neural Network," IEEE Sensors Journal, vol. 21, no. 9, pp. 10824-10833, 2021.

[12] U. Fadlilah, A. K. Mahamad, and B. Handaga, "The Development of Android for Indonesian Sign Language Using Tensorflow Lite and CNN: An Initial Study," Journal of Physics: Conference Series, vol. 1858, no. 1, pp. 1-14, 2021.

[13] A. Babour, H. Bitar, O. Alzamzami, D. Alahmadi, A. Barsheed, A. Alghamdi, et al., "Intelligent gloves: An IT intervention for deaf-mute people," Journal of Intelligent Systems, vol. 32, no. 1, pp. 1-13, 2023.

[14] Ministry of Education and Training, "Circular No. 17/2020/TT-BGDDT dated June 29, 2020 on Regulations on national sign language standards for persons with disabilities," 2020. Available: https://luatvietnam.vn/giao-duc/thong-tu-17-2020-tt-bgddt-ngon-ngu-ky-hieu-cho-nguoi-khuyet-tat-185588-d1.html. [Accessed Jan. 25, 2024].

[15] T.-N. Nguyen, T.-H. Nguyen, D.-D. Vo, and T.-D. Nguyen, "Multi-class Support Vector Machine Algorithm for Heart Disease Classification," in Proceedings of 2020 5th International Conference on Green Technology and Sustainable Development (GTSD), 2020, pp. 137-140.

"Times New Roman",serif;mso-fareast-font-family:"Times New Roman";mso-ansi-language:

PT-BR;mso-fareast-language:EN-US;mso-bidi-language:AR-SA'>

style='mso-element:field-end'>

DOI: https://doi.org/10.34238/tnu-jst.11956

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ