Зерттеунің нәтижесінде қимылдарды тануға және оларды мәтіндік немесе аудио формаға аударуға қабілетті «Surdkorzh» мобильді қосымшасы әзірленді. Қосымша Android платформасында машиналық оқытудың озық технологиялары мен қимылдарды тану алгоритмдерін қолдана отырып жүзеге асырылады. қосымшасының тиімділігін және оның әртүрлі пайдаланушылардың қимылдарын дұрыс тану қабілетін бағалауға бағытталған эксперименттер мен зерттеулер жүргізілетін болды

Жобасын жүзеге асырудың практикалық маңызы зор. Есту қабілеті нашар адамдарға Android негізіндегі мобильді құрылғыларды байланыс құралы ретінде пайдалануға мүмкіндік береді, бұл олардың күнделікті өмірін жеңілдетеді және айналасындағылармен қарым-қатынас жасау мүмкіндігін арттырады. Жесттік сөздік қорын кеңейту, тану алгоритмдерін оңтайландыру және жесттік аудио аудармасы үшін сөйлеу синтезі сияқты қосымша мүмкіндіктерді енгізу сияқты қосымшаны одан әрі дамыту және жақсарту мүмкіндіктері қарастырылады.

Тақырып өзекті және заманауи, белгілі бір коммерциялық әлеуетке ие. Әзірлеген бағдарламалық өнім пайдаланушыларға веб-бағдарлама форматында қол жетімді тапсырмалар тізімін басқаруға ыңғайлы және қарапайым қызмет ұсынады.

Жұмыс барысында келесі мәселелерді қарастырылды: қосымшаны жобалаудың негізгі кезеңдерін зерттеу, мобильді құрылғыларға арналған қосымшаларды әзірлеу құралдарына шолу және дизайн құралдарын таңдауды негіздеу, жүйені модельдеу және Android ОЖ үшін қосымшаны әзірлеу.

БИГАЛИЕВА А.З.

PhD, доцент м.а., Әбілқас Сағынов атындағы Қарағанды техникалық университеті, Қарағанды қ., Қазақстан

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

ТӨЛЕУҒАЛИ Н.

ассистент, Әбілқас Сағынов атындағы Қарағанды техникалық университеті, Қарағанды қ., Қазақстан

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.