АДАПТАЦИЯ ЖЕСТОВОГО ЯЗЫКА НА ПЛАТФОРМЕ ANDROID

Опубликован 30.06.2025
ФИЗИКА-МАТЕМАТИКА Том 80 № 2 (2025)
Том 80 №2 (2025)
Авторы:
  • БИГАЛИЕВА А.З.
  • ТӨЛЕУҒАЛИ Н.
PDF (Казахский)

В результате исследования разработано мобильное приложение «Surdkorzh», способное распознавать жесты и переводить их в текстовую или аудиоформу. Это приложение реализовано на платформе Android с использованием передовых технологий машинного обучения и алгоритмов распознавания жестов. Проведены эксперименты и исследования, направленные на оценку эффективности приложения и его способности правильно распознавать движения различных пользователей

Реализация проекта имеет большое практическое значение. Позволяет людям с нарушениями слуха использовать мобильные устройства на базе Android в качестве средства связи, что упрощает их повседневную жизнь и увеличивает их шансы на общение с окружающими. Рассматриваются возможности дальнейшего развития и улучшения приложения, такие как расширение словарного запаса вдовства, оптимизация алгоритмов распознавания и внедрение дополнительных функций, таких как синтез речи для перевода вдовства звука.

Тема актуальна и современна, имеет определенный коммерческий потенциал. Разработанный программный продукт предоставляет пользователям удобный и простой сервис для управления списком задач, доступных в формате веб-приложения.

В ходе работы были рассмотрены следующие вопросы: изучение основных этапов разработки приложений, обзор инструментов разработки приложений для мобильных устройств и обоснование выбора инструментов проектирования, моделирование системы и разработка приложений для ОС Android.

БИГАЛИЕВА А.З.

PhD, и.о. доцента, Карагандинский технический университет имени Абылкаса Сагинова, г. Караганда, Казахстан

E-mail: bigalievaalfija@gmail.com, https://orcid.org/0000-0002-0136-5402

ТӨЛЕУҒАЛИ Н.

ассистент, Карагандинский технический университет имени Абылкаса Сагинова, г. Караганда, Казахстан

E-mail: toleugaly@gmail.com, https://orcid.org/0009-0004-4099-8220

  1. Felzenszwalb P. F., & Huttenlocher D. P. (2004). Efficient graph-based image segmentation. International Journal of Computer Vision, 59(2), 167-181.
  2. Welch G., & Bishop G. (1995). An introduction to the Kalman filter. University of North Carolina at Chapel Hill.
  3. Doucet A., de Freitas N., & Gordon N. (2001). An introduction to sequential Monte Carlo methods. Springer.
  4. Szeliski R. (2010). Computer vision: algorithms and applications. Springer Science & Business Media.
  5. Boykov Y., & Jolly M. P. (2001). Interactive graph cuts for optimal boundary & region segmentation of objects in ND images. Proceedings Eighth IEEE International Conference on Computer Vision. ICCV 2001, 105-112
  6. Abbas Q., Ibrahim M., Jaffar A. Video scene analysis: an overview and challenges on deep learning algorithms // Multimedia Tools and Applications, 2018. – Volume 77 Issue 16, pp 20415–20453. doi.org/10.1007/s11042-017-5438-7
  7. Ramil S., Lavrenov R., Tsoy T., Svinin M. and Magid E., Real-Time Video Server Implementation for a Mobile Robot // 11th International Conference on Developments in eSystems Engineering (DeSE), Cambridge, UK, 2018. – pp. 180-185. doi: 10.1109/DeSE.2018.00042.
  8. Rosu V., Marcu M. Real Time Adaptive Video Streaming // 2016 IEEE 12th International Conference on Intelligent Computer Communication and Processing (ICCP). Cluj-Napoca, Romania, 2016. – pp. 239-246. doi: 10.1109/ICCP.2016.7737153.
компьютерное зрение, интеллектуальные системы, алгоритмы обработки изображений, язык жестов, машинное обучение

Как цитировать

АДАПТАЦИЯ ЖЕСТОВОГО ЯЗЫКА НА ПЛАТФОРМЕ ANDROID. (2025). Научный журнал "Вестник Актюбинского регионального университета имени К. Жубанова", 80(2), 33-39. https://doi.org/10.70239/