Estudo dimensional de características aplicadas à leitura labial automática

• Main Author: Madureira, Fillipe Levi Guedes
• Other Authors: Montalvão Filho, Jugurta Rosa
• Language: Portuguese
• Published: Pós-Graduação em Engenharia Elétrica 2018
• Subjects: Engenharia elétrica; Surdos; Comunicação oral; Sistemas de reconhecimento de padrões; Dimensão intrínseca; Extração de características; Leitura labial; Hidden Markov Model (HMM); Intrinsic dimension; Feature extraction; Lip-reading; ENGENHARIAS::ENGENHARIA ELETRICA
• Online Access: http://ri.ufs.br/jspui/handle/riufs/9567

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES === This work is a study of the relationship between the intrinsic dimension of feature vectors applied to the classification of video signals in order to perform lip reading. In pattern recognition tasks, the extraction of relevant features is crucial for a good performance of the classifiers. The starting point of this work was the reproduction of the work of J.R. Movellan [1], which classifies lips gestures with HMM using only the video signal from the Tulips1 database. The database consists of videos of volunteers’ mouths while they utter the first 4 numerals in English. The original work uses feature vectors of high dimensionality in relation to the size of the database. Consequently, the adjustment of HMM classifiers has become problematic and the maximum accuracy was only 66.67%. Alternative strategies for feature extraction and classification schemes were proposed in order to analyze the influence of the intrinsic dimension in the performance of classifiers. The best solution, in terms of results, achieved an accuracy of approximately 83%. === Este trabalho é um estudo da relação entre a dimensão intrínseca de vetores de características aplicados à classificação de sinais de vídeo no intuito de realizar-se a leitura labial. Nas tarefas de reconhecimento de padrões, a extração de características relevantes é crucial para um bom desempenho dos classificadores. O ponto de partida deste trabalho foi a reprodução do trabalho de J.R. Movellan [1], que realiza a classificação de gestos labiais com HMM na base de dados Tulips1, utilizando somente o sinal de vídeo. A base é composta por vídeos das bocas de voluntários enquanto esses pronunciam os primeiros 4 numerais em inglês. O trabalho original utiliza vetores de características de dimensão muito alta em relação ao tamanho da base. Consequentemente, o ajuste de classificadores HMM se tornou problemático e só se alcançou 66,67% de acurácia. Estratégias de extração de características e esquemas de classificação alternativos foram propostos, a fim de analisar a influência da dimensão intrínseca no desempenho de classificadores. A melhor solução, em termos de resultados, obteve uma acurácia de aproximadamente 83%. === São Cristóvão, SE