This research also foresaw that aug

This research also foresaw that augmented reality brings the possibility of not
only enhancing our current senses, but of possibly “making up” for missing ones. In this
thesis, the author designed and implemented an augmented reality application for hearing
augmentation where hearing-impaired users can see visual cues of what is being said to
them in a natural and intuitive way to understand. The application, dubbed iHeAR, uses
the iOS platform and an iPad2 as the supporting device. It is implemented using current
algorithms for speech recognition and face detection in order to output the “heard”
speech in real time next to the speaker’s face in a “text-bubble”. The speech recognition
system used is the open source OpenEars which is a wrapper for iOS application of the
PocketSphinx system for device speech recognition. A detailed explanation of OpenEars
was provided in section 4.3. Face detection is achieved using OpenCV’s Viola-Jones
method implementation for face detection, whose explanation was provided in section
4.4. In order to make the face detection algorithm work in real time and perform
calculations for both speech recognition and face detection on the device, the author
optimized the system to run the face detection algorithm only when speech is detected
and only when a previous frame is not already being analyzed for a face since the
detection algorithm runs slower than the video feed. In this way, the final system is not
overloaded with heavy calculations. The system built assumes the following conditions
and limitations:

ผลลัพธ์ (ไทย) 1:

This research also foresaw that augmented reality brings the possibility of not only enhancing our current senses, but of possibly “making up” for missing ones. In this thesis, the author designed and implemented an augmented reality application for hearing augmentation where hearing-impaired users can see visual cues of what is being said to them in a natural and intuitive way to understand. The application, dubbed iHeAR, uses the iOS platform and an iPad2 as the supporting device. It is implemented using current algorithms for speech recognition and face detection in order to output the “heard” speech in real time next to the speaker’s face in a “text-bubble”. The speech recognition system used is the open source OpenEars which is a wrapper for iOS application of the PocketSphinx system for device speech recognition. A detailed explanation of OpenEars was provided in section 4.3. Face detection is achieved using OpenCV’s Viola-Jones method implementation for face detection, whose explanation was provided in section 4.4. In order to make the face detection algorithm work in real time and perform calculations for both speech recognition and face detection on the device, the author optimized the system to run the face detection algorithm only when speech is detected and only when a previous frame is not already being analyzed for a face since the detection algorithm runs slower than the video feed. In this way, the final system is not มากเกินไปกับการคำนวณที่หนัก ระบบที่สร้างขึ้นถือว่าเงื่อนไขต่อไปนี้ และข้อจำกัด:

ผลลัพธ์ (ไทย) 2:

งานวิจัยนี้ยังเล็งเห็นถึงความเป็นจริงยิ่งที่จะนำความเป็นไปได้ของไม่ได้เป็น
เพียงการเสริมสร้างความรู้สึกของเราในปัจจุบัน แต่อาจจะ "ทำขึ้น" สำหรับคนที่ขาดหายไป ในการนี้
วิทยานิพนธ์ที่ผู้เขียนได้รับการออกแบบและดำเนินการการประยุกต์ใช้ความเป็นจริงยิ่งสำหรับการได้ยิน
การเสริมที่ผู้บกพร่องทางการได้ยินสามารถดูตัวชี้นำภาพของสิ่งที่จะถูกกล่าวแก่
พวกเขาในทางธรรมชาติและใช้งานง่ายที่จะเข้าใจ แอพลิเคชันขนานนาม iHear ใช้
แพลตฟอร์ม iOS และ iPad2 เป็นอุปกรณ์ที่สนับสนุน จะดำเนินการโดยใช้ปัจจุบัน
อัลกอริทึมสำหรับการรับรู้การพูดและการตรวจจับใบหน้าเพื่อการส่งออก "ได้ยิน"
คำพูดในเวลาจริงถัดไปที่ใบหน้าของผู้พูดใน "ข้อความฟอง" การรู้จำเสียง
ระบบใช้เป็นแหล่งที่มาเปิด OpenEars ซึ่งเป็นเสื้อคลุมสำหรับการประยุกต์ใช้ iOS ของที่
ระบบ PocketSphinx สำหรับการจดจำเสียงอุปกรณ์ คำอธิบายรายละเอียดของ OpenEars
ถูกบัญญัติไว้ในมาตรา 4.3 ตรวจจับใบหน้าจะประสบความสำเร็จโดยใช้ OpenCV ของ Viola โจนส์
ดำเนินการวิธีการสำหรับการตรวจจับใบหน้าที่มีคำอธิบายที่ถูกบัญญัติไว้ในมาตรา
4.4 เพื่อที่จะทำให้การทำงานที่ใบหน้าวิธีการตรวจสอบในเวลาจริงและดำเนิน
การคำนวณสำหรับการรู้จำเสียงพูดทั้งสองและตรวจจับใบหน้าบนอุปกรณ์ที่ผู้เขียน
ที่ดีที่สุดระบบทำงานขั้นตอนวิธีการตรวจหาใบหน้าเฉพาะเมื่อคำพูดมีการตรวจพบ
และเมื่อกรอบก่อนหน้านี้ไม่ได้ แล้วจะถูกวิเคราะห์สำหรับใบหน้าตั้งแต่
วิธีการตรวจสอบทำงานช้ากว่าฟีดวิดีโอ ด้วยวิธีนี้ระบบสุดท้ายคือไม่
มากเกินไปกับการคำนวณหนัก ระบบที่สร้างขึ้นจะถือว่าเงื่อนไขต่อไปนี้
และข้อ จำกัด :

ผลลัพธ์ (ไทย) 3:

งานวิจัยนี้ยังเห็นว่าความเป็นจริงเติมนำความเป็นไปได้ของการไม่เพียงแต่เพิ่มความรู้สึกปัจจุบันของเรา แต่ของอาจจะ " ทำ " ไปที่ ในนี้ในวิทยานิพนธ์นี้ ผู้เขียนได้รับการออกแบบ และใช้ความเป็นจริง Augmented การได้ยินเสริมที่ผู้ใช้สามารถดูภาพ ที่มีคิวของสิ่งที่ถูกกล่าวว่าด้วยวิธีธรรมชาติและง่ายที่จะเข้าใจ โปรแกรม ihear ขนานนามใช้และ iPad2 iOS ที่สนับสนุนอุปกรณ์ มันคือการใช้ในปัจจุบันขั้นตอนวิธีสำหรับการรู้จำเสียงพูดและการตรวจหาใบหน้าเพื่อที่จะออก " ได้ยิน "การพูดในเวลาจริงถัดจากลำโพงหน้าในข้อความ " ฟอง " การพูดการรับรู้ระบบที่ใช้เป็นแหล่งเปิด openears ซึ่งเป็นเสื้อคลุมสำหรับ iOS Application ของระบบการรู้จำเสียงพูด pocketsphinx สำหรับอุปกรณ์ อธิบายรายละเอียดของ openearsก็ให้ในส่วน 4.3 . ตรวจจับใบหน้าได้ใช้เป็นการของวิโอล่า โจนส์วิธีการที่ใช้สำหรับตรวจจับใบหน้าที่มีคำอธิบายที่ให้ไว้ในมาตรา4.4 . เพื่อให้ใบหน้าขั้นตอนวิธีทำงานในเวลาจริงและแสดงการคำนวณสำหรับทั้งการรู้จำเสียงและการตรวจจับใบหน้าบนอุปกรณ์ , ผู้เขียนเพิ่มประสิทธิภาพระบบ เพื่อใช้ตรวจจับใบหน้าขั้นตอนวิธีเฉพาะเมื่อคำพูดตรวจพบและเมื่อเฟรมเดิมไม่ได้ถูกวิเคราะห์ใบหน้าเนื่องจากขั้นตอนวิธีการตรวจหาวิ่งช้ากว่าฟีดวิดีโอ . ในวิธีนี้ระบบสุดท้าย คือ ไม่มากเกินไปกับการคำนวนหนักๆ ระบบสร้างขึ้นถือว่าเงื่อนไขต่อไปนี้และข้อจำกัด :