Самоучитель по языку си: учебник и практический курс для начинающих:

Мексиканский язык жестов (‘lengua de señas mexicana’ или LSM) отличается от испанского, в нем используются другие глаголы и порядок слов.Большинство людей, использующих мексиканский язык жестов, проживают в Мехико, Гвадалахаре и Монтеррее. Различия в этом языке велики между возрастными группами и религиозным происхождением.

Украинский жестовый язык является производным от обширного семейства французских жестовых языков. Он использует ручной алфавит из 33 знаков, которые используют 23 рукописные формы USL.

В Северной Америке язык жестов равнин (также известный как язык жестов равнин) — это язык жестов коренных народов, который когда-то использовался между народами равнин для поддержки торговли, рассказывания историй, проведения церемоний и повседневного общения глухих.Он использовался между странами в центральной Канаде, центральных и западных Соединенных Штатах и ​​северной Мексике.

Посмотрите видео ниже, чтобы увидеть пример использования подписей в культурах коренных народов Северной Америки.

Как только вы научитесь вводить каждую букву алфавита пальцами, пора отточить форму! Ознакомьтесь с этими советами, чтобы улучшить дактилоскопию:

• Пауза между написанием отдельных слов.Это улучшает понимание вашей подписи.
• Держите руку на одном месте при написании каждого слова. Это может потребовать практики, но это позволит другим легче прочитать ответ. Исключение составляют случаи, когда вы пишете аббревиатуру от руки. В этом случае переместите каждую букву в маленький кружок, чтобы люди знали, что нельзя читать буквы вместе как одно слово.
• Если вы пишете пальцами слово, в котором есть двойная буква, переместите руку между этими двумя буквами, чтобы указать на повторение этой буквы.Вы также можете сделать это, слегка сдвинув букву в сторону, чтобы указать, что она должна быть увеличена вдвое. При первом обучении фингерпринту бывает сложно не прыгать между каждой буквой. Вы можете использовать свободную руку, чтобы держать письмо, чтобы помочь стабилизировать его во время тренировки. Со временем вы привыкнете, что ваша рука остается неподвижной при наборе пальцев.
• Держите пальцы руки на уровне плеча. Это наиболее удобная поза для вашего подписания и чтения собеседника.
• Держите темп. При написании слова не нужно торопиться. Более важно, чтобы каждая буква была четкой, а общий ритм был последовательным.

Спасибо за чтение! Чтобы узнать больше об Ai-Media и наших услугах доступности, посетите наш веб-сайт или свяжитесь с нашей дружной командой .

Распознавание языка жестов с использованием Python и OpenCV

В технологии было сделано несколько достижений, и было проведено множество исследований, чтобы помочь глухонемым людям.Чтобы повлиять на эту причину, также можно использовать помощь делу, глубокое обучение и компьютерное зрение.

Это может быть очень полезно для глухонемых людей при общении с другими, поскольку знание языка жестов не является общим для всех, более того, это можно распространить на создание автоматических редакторов, в которых человек может легко писать, используя только свои жесты.

Обзор проекта

В этом проекте распознавания языка жестов мы создаем детектор знаков, который обнаруживает числа от 1 до 10, которые можно очень легко расширить, чтобы охватить огромное количество других знаков и жестов, включая алфавиты.

Мы разработали этот проект с использованием модулей OpenCV и Keras языка Python.

Предварительные требования

Необходимое программное обеспечение и библиотеки для проекта языка жестов:

• Python (3.7.4)
• IDE (Jupyter)
• Numpy (версия 1.16.5)
• cv2 (openCV) (версия 3.4 .2)
• Keras (версия 2.3.1)
• Tensorflow (поскольку keras использует тензорный поток в бэкэнде и для предварительной обработки изображений) (версия 2.0.0)

Скачать код проекта языка жестов

Загрузите исходный код знака Проект языкового машинного обучения: Проект распознавания жестового языка

Шаги по разработке проекта распознавания жестового языка

Он разделен на 3 части:

1. Создание набора данных
2. Обучение CNN на захваченном наборе данных
3. Прогнозирование данных

Все они созданы как три отдельных.py файлы. Структура файла приведена ниже:

1. Создание набора данных для определения языка жестов:

Достаточно возможно получить нужный набор данных в Интернете, но в этом проекте мы будем создавать набор данных самостоятельно. .

У нас будет прямая трансляция с видеокамеры, и каждый кадр, который обнаруживает руку в созданной области интереса (интересующей области), будет сохранен в каталоге (здесь каталог жестов), который содержит две папки train и test, каждая из которых содержит 10 папок, содержащих изображения, снятые с помощью create_gesture_data.py

Структура каталогов

Внутри поезда (внутри теста такая же структура)

Теперь для создания набора данных мы получаем поток с камеры в реальном времени с помощью OpenCV и создаем ROI, который представляет собой не что иное, как часть кадра, в которой мы хотим обнаружить руку для жестов.

Красное поле — это область интереса, а это окно предназначено для получения прямой трансляции с веб-камеры.

Для различения фона мы вычисляем накопленное средневзвешенное значение для фона, а затем вычитаем его из кадров, содержащих некоторый объект перед фоном, который можно выделить как передний план.

Это делается путем вычисления накопленного_веса для некоторых кадров (здесь для 60 кадров), мы вычисляем накопленное_ср. Для фона.

После того, как у нас есть накопленное среднее значение для фона, мы вычитаем его из каждого кадра, который мы читаем после 60 кадров, чтобы найти любой объект, покрывающий фон.

 импортировать тензорный поток как tf
из tenorflow import keras
из keras.models импортировать Последовательный
from keras.layers import Activation, Dense, Flatten, BatchNormalization, Conv2D, MaxPool2D, Dropout
из кераса.оптимизаторы импортируют Adam, SGD
из keras.metrics импортировать category_crossentropy
из keras.preprocessing.image import ImageDataGenerator

предупреждения об импорте
импортировать numpy как np
импорт cv2
из keras.callbacks import ReduceLROnPlateau
из keras.callbacks импортировать ModelCheckpoint, EarlyStopping
warnings.simplefilter (действие = 'игнорировать', категория = FutureWarning)


background = None
Накопленный_вес = 0,5

# Создание размеров для рентабельности инвестиций ...
ROI_top = 100
ROI_bottom = 300
ROI_right = 150
ROI_left = 350


def cal_accum_avg (кадр, накопленный_вес):

    глобальный фон
    
    если фон отсутствует:
        фон = рамка.copy (). astype ("плавать")
        return None

    cv2.accumulateWeighted (кадр, фон, накопленный_вес)
 
  
 Расчет порогового значения определить контуры с помощью cv2.findContours и вернуть максимальные контуры (самые внешние контуры для объекта) с помощью сегмента функции.Используя контуры, мы можем определить, обнаружен ли какой-либо объект переднего плана в ROI, другими словами, есть ли рука в ROI. 
 
 
 def segment_hand (кадр, порог = 25):
    глобальный фон
    
    diff = cv2.absdiff (background.astype ("uint8"), frame)

    _, thresholded = cv2.threshold (diff, threshold, 255, cv2.THRESH_BINARY)

    # Захватываем внешние контуры изображения
    изображение, контуры, иерархия = cv2.findContours (thresholded.copy (),
    cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    если len (контуры) == 0:
        return None
    еще:
        
        hand_segment_max_cont = max (контуры, ключ = cv2.contourArea)
        
        return (с пороговым значением, hand_segment_max_cont)
 
 Когда контуры обнаружены (или рука присутствует в ROI), мы начинаем сохранять изображение ROI в поезде и тестовом наборе соответственно для буквы или числа, для которых мы его обнаруживаем.
 cam = cv2.VideoCapture (0)

num_frames = 0
element = 10
num_imgs_taken = 0

в то время как True:
    ret, frame = cam.читать()

    # переворачивание кадра для предотвращения перевернутого изображения захваченного кадра ...
    frame = cv2.flip (кадр, 1)

    frame_copy = frame.copy ()

    roi = frame [ROI_top: ROI_bottom, ROI_right: ROI_left]

    gray_frame = cv2.cvtColor (roi, cv2.COLOR_BGR2GRAY)
    gray_frame = cv2.GaussianBlur (серый_frame, (9, 9), 0)

    если num_frames <60:
        cal_accum_avg (серый_фрейм, накопленный_вес)
        если num_frames <= 59:
            
            cv2.putText (frame_copy, "ПОЛУЧЕНИЕ ФОНА ... ПОДОЖДИТЕ",
(80, 400), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0,0,255), 2)
            
    # Пора настроить руку специально на ROI ...
    elif num_frames <= 300:

        рука = сегмент_ручка (серая_ рамка)
        
        cv2.putText (frame_copy, "Настроить руку ... Жест для" +
  str (элемент), (200, 400), cv2.FONT_HERSHEY_SIMPLEX, 1,
  (0,0,255), 2)
        
        # Проверка фактического обнаружения руки путем подсчета числа
        контуров обнаружено ...
        если рука не None:
            
            с пороговым значением, hand_segment = рука

            # Нарисуйте контуры вокруг сегмента руки
            cv2.drawContours (frame_copy, [hand_segment + (ROI_right,
            ROI_top)], -1, (255, 0, 0), 1)
            
            cv2.putText (frame_copy, str (num_frames) + "For" + str (element),
            (70, 45), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,255), 2)

            # Также отобразить изображение с пороговым значением
            cv2.imshow ("Изображение руки с пороговым значением", с пороговым значением)
    
    еще:
        
        # Сегментирование области руки ...
        рука = сегмент_ручка (серая_ рамка)
        
        # Проверяем, можем ли мы обнаружить руку...
        если рука не None:
            
            # распаковываем img с пороговым значением и max_contour ...
            с пороговым значением, hand_segment = рука

            # Рисование контуров вокруг сегмента руки
            cv2.drawContours (frame_copy, [hand_segment + (ROI_right,
            ROI_top)], -1, (255, 0, 0), 1)
            
            cv2.putText (frame_copy, str (num_frames), (70, 45),
            cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,255), 2)
            
            cv2.putText (frame_copy, str (num_imgs_taken) + 'images' + "For"
      + str (элемент), (200, 400), cv2.FONT_HERSHEY_SIMPLEX, 1,
      (0,0,255), 2)
            
            # Отображение порогового изображения
            cv2.imshow ("Изображение руки с пороговым значением", с пороговым значением)
            если num_imgs_taken <= 300:
                cv2.imwrite (r "D: \\ gesture \\ train \\" + str (element) + "\\" +
                str (num_imgs_taken + 300) + '.jpg', с пороговым значением)
                
            еще:
                перерыв
            num_imgs_taken + = 1
        еще:
            cv2.putText (frame_copy, 'Рука не обнаружена ...', (200, 400),
 cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,255), 2)




    # Рисование ROI на копии кадра
    cv2.rectangle (frame_copy, (ROI_left, ROI_top), (ROI_right, ROI_bottom), (255,128,0), 3)
    
    cv2.putText (frame_copy, "Распознавание рук DataFlair_ _ _", (10, 20), cv2.FONT_ITALIC, 0.5, (51,255,51), 1)
    
    # увеличить количество кадров для отслеживания
    num_frames + = 1

    # Отображение кадра сегментированной рукой
    cv2.imshow ("Обнаружение знака", frame_copy)

    # Закрытие окон клавишей Esc... (можно использовать любой другой ключ с ord.)
    k = cv2.waitKey (1) & 0xFF

    если k == 27:
        перерыв

# Освободить камеру и уничтожить все окна ...

cv2.destroyAllWindows ()
cam.release ()
 
 В приведенном выше примере создается набор данных для 1, и в следующем окне отображается пороговое изображение области интереса, и этот кадр области интереса сохраняется в ..train / 1 / example.jpg
 Для набора данных поезда мы сохраняем 701 изображение для каждого числа, которое будет обнаружено, а для тестового набора данных мы делаем то же самое и создаем 40 изображений для каждого числа.
 2. Обучение CNN 
 Теперь на созданном наборе данных обучаем CNN.
 Сначала мы загружаем данные с помощью ImageDataGenerator keras, через который мы можем использовать функцию flow_from_directory для загрузки данных поезда и тестового набора, и каждое из имен папок с номерами будет именами классов для загруженных изображений.
 train_path = r'D: \ gesture \ train '
test_path = r'D: \ жест \ тест '

train_batches = ImageDataGenerator (preprocessing_function = tf.keras.applications.vgg16.preprocess_input) .flow_from_directory (каталог = train_path, target_size = (64,64), class_mode = 'категориальный', batch_size = 10, shuffle = True)
test_batches = ImageDataGenerator (preprocessing_function = tf.keras.applications.vgg16.preprocess_input) .flow_from_directory (directory = test_path, target_size = (64,64), class_mode = 'категориальный', batch_size = 10, shuffle = True)
 
 Функция plotImages предназначена для построения изображений загруженного набора данных.
 imgs, labels = next (train_batches)

# Построение изображений...
def plotImages (images_arr):
    fig, axes = plt.subplots (1, 10, figsize = (30,20))
    оси = axes.flatten ()
    для img, топор в zip (images_arr, axes):
        img = cv2.cvtColor (img, cv2.COLOR_BGR2RGB)
        ax.imshow (img)
        ax.axis ('выкл.')
    plt.tight_layout ()
    plt.show ()


plotImages (imgs)
печать (imgs.shape)
печать (этикетки)
 
 Теперь мы проектируем CNN следующим образом (или, в зависимости от некоторых проб и ошибок, могут использоваться другие гиперпараметры)
 model = Sequential ()

модель.добавить (Conv2D (фильтры = 32, размер_ядра = (3, 3), активация = 'relu', input_shape = (64,64,3)))
model.add (MaxPool2D (размер_пул = (2, 2), шаги = 2))

model.add (Conv2D (Filters = 64, kernel_size = (3, 3), Activation = 'relu', padding = 'same'))
model.add (MaxPool2D (размер_пул = (2, 2), шаги = 2))

model.add (Conv2D (Filters = 128, kernel_size = (3, 3), Activation = 'relu', padding = 'valid'))
model.add (MaxPool2D (размер_пул = (2, 2), шаги = 2))

model.add (Сглаживание ())

model.add (Dense (64, Activation = "relu"))
model.add (Dense (128, Activation = "relu"))
#модель.добавить (Выпадение (0,2))
model.add (Dense (128, Activation = "relu"))
# model.add (Выпадение (0,3))
model.add (Dense (10, Activation = "softmax"))

 
 Теперь мы подбираем модель и сохраняем модель для использования в последнем модуле (model_for_gesture.py)
 При обучении используются обратные вызовы Reduce LR на плато и ранней остановке, и оба они зависят от потеря проверочного набора данных.
 После каждой эпохи точность и потери рассчитываются с использованием набора данных проверки, и если потеря проверки не уменьшается, LR модели уменьшается с помощью параметра Reduce LR, чтобы модель не превышала минимумы потерь, а также мы с использованием алгоритма ранней остановки, так что если точность проверки продолжает снижаться в течение некоторых эпох, обучение прекращается.
 Пример содержит используемые обратные вызовы, а также два разных используемых алгоритма оптимизации - SGD (стохастический градиентный спуск, что означает, что веса обновляются в каждом обучающем экземпляре) и Adam (комбинация Adagrad и RMSProp).
 Мы обнаружили, что модель SGD дает более высокую точность. Как мы видим, во время обучения мы обнаружили 100% точность обучения и точность проверки около 81%
 model.compile (optimizer = Adam (learning_rate = 0.001), loss = 'category_crossentropy', metrics = ['precision'])
reduce_lr = ReduceLROnPlateau (monitor = 'val_loss', factor = 0,2, терпение = 1, min_lr = 0,0001)
Early_stop = EarlyStopping (monitor = 'val_loss', min_delta = 0, терпение = 2, подробный = 0, mode = 'auto')



model.compile (optimizer = SGD (Learning_rate = 0,001), loss = 'category_crossentropy', metrics = ['precision'])
reduce_lr = ReduceLROnPlateau (monitor = 'val_loss', factor = 0,2, терпение = 1, min_lr = 0,0005)
Early_stop = EarlyStopping (monitor = 'val_loss', min_delta = 0, терпение = 2, verbose = 0, mode = 'auto')
 
 После компиляции модели мы подгоняем модель к группам поездов для 10 эпох (может варьироваться в зависимости от выбора параметров пользователя), используя обратные вызовы, описанные выше.
 history2 = model.fit (train_batches, epochs = 10, callbacks = [reduce_lr, early_stop], validation_data = test_batches)
 
 Теперь мы получаем следующую партию изображений из тестовых данных, оцениваем модель на тестовом наборе и распечатываем оценки точности и потерь.
 # Для получения следующей партии тестовых изображений ...
imgs, labels = next (test_batches)

scores = model.evaluate (imgs, labels, verbose = 0)
print (f '{model.metrics_names [0]} из {scores [0]}; {model.metrics_names [1]} из {scores [1] * 100}%')


После того, как модель подобрана, мы сохраняем ее с помощью model.save () функция.


model.save ('best_model_dataflair3.h5')
 
 Здесь мы визуализируем и проводим небольшой тест на модели, чтобы проверить, все ли работает так, как мы ожидаем, при обнаружении на подаче камеры в реальном времени.
 Слово_dict - это словарь, содержащий имена меток для различных предсказанных меток.
 (Примечание: здесь в словаре у нас есть «десять» после «один», причина в том, что при загрузке набора данных с помощью ImageDataGenerator генератор рассматривает папки внутри тестовых и обучающих папок на основе их имен папок. , например: «1», «10».В связи с этим 10 идет после 1 в алфавитном порядке).
 word_dict = {0: «Один», 1: «Десять», 2: «Два», 3: «Три», 4: «Четыре», 5: «Пять», 6: «Шесть», 7: » Семь, 8: Восемь, 9: Девять}

прогнозы = model.predict (imgs, verbose = 0)
print ("прогнозы на небольшом наборе тестовых данных--")
Распечатать("")
для ind, i в перечислении (прогнозы):
    print (word_dict [np.argmax (i)], end = '')

plotImages (imgs)
print ('Актуальные этикетки')
для i в ярлыках:
    print (word_dict [np.argmax (i)], end = '')
 
 3. Предсказание жеста 
 Здесь мы создаем ограничивающую рамку для определения области интереса и вычисляем накопленное_ср., Как мы делали при создании набора данных.Это сделано для идентификации любого объекта переднего плана.
 Теперь мы находим максимальный контур, и если контур обнаружен, это означает, что обнаружена рука, поэтому порог ROI обрабатывается как тестовое изображение.
 Мы загружаем ранее сохраненную модель с помощью keras.models.load_model и загружаем пороговое изображение ROI, состоящего из руки, в качестве входных данных в модель для прогнозирования.
 Получение необходимого импорта для model_for_gesture.py
 import numpy as np
импорт cv2
импортный керас
из кераса.preprocessing.image импорт ImageDataGenerator
импортировать тензорный поток как tf
 
 Теперь мы загружаем модель, которую мы создали ранее, и устанавливаем некоторые из переменных, которые нам нужны, то есть инициализируем фоновую переменную и устанавливаем размеры ROI.
 model = keras.models.load_model (r "C: \ Users \ abhij \ best_model_dataflair3.h5")

background = None
Накопленный_вес = 0,5

ROI_top = 100
ROI_bottom = 300
ROI_right = 150
ROI_left = 350
 
 Функция для вычисления фонового накопленного средневзвешенного значения (как мы это делали при создании набора данных ...)
 def cal_accum_avg (frame, Acccum_weight):

    глобальный фон
    
    если фон отсутствует:
        фон = рамка.copy (). astype ("плавать")
        return None

    cv2.accumulateWeighted (кадр, фон, накопленный_вес)
 
 Сегментирование руки, т. Е. Получение максимальных контуров и порогового изображения обнаруженной руки.
 def segment_hand (кадр, порог = 25):
    глобальный фон
    
    diff = cv2.absdiff (background.astype ("uint8"), frame)

    
_, пороговое значение = cv2.threshold (diff, threshold, 255,
cv2.THRESH_BINARY)
    
     # Получение контуров в кадре (Эти контуры могут быть ручными
или любой другой объект на переднем плане)…

    изображение, контуры, иерархия =
    cv2.findContours (thresholded.copy (), cv2.RETR_EXTERNAL,
    cv2.CHAIN_APPROX_SIMPLE)

    # Если длина списка контуров = 0, значит, мы не получили
    контуры ...
    если len (контуры) == 0:
        return None
    еще:
        # Самым большим внешним контуром должна быть рука
        hand_segment_max_cont = max (контуры, ключ = cv2.contourArea)
        
        # Возвращаем сегмент руки (максимальный контур) и
  пороговое изображение руки ...
        return (с пороговым значением, hand_segment_max_cont)
 
 Теперь обнаружение руки на кулачковой подаче.
 cam = cv2.VideoCapture (0)
num_frames = 0
в то время как True:
    ret, frame = cam.read ()

    # переворачивание кадра для предотвращения перевернутого изображения захваченного
    Рамка...
    
    frame = cv2.flip (кадр, 1)

    frame_copy = frame.copy ()

    # ROI из кадра
    roi = frame [ROI_top: ROI_bottom, ROI_right: ROI_left]

    gray_frame = cv2.cvtColor (roi, cv2.COLOR_BGR2GRAY)
    gray_frame = cv2.GaussianBlur (серый_frame, (9, 9), 0)


    если num_frames <70:
        
        cal_accum_avg (серый_фрейм, накопленный_вес)
        
        cv2.putText (frame_copy, "ПОЛУЧЕНИЕ ФОНА ... ПОДОЖДИТЕ",
  (80, 400), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0,0,255), 2)
    
    еще:
        # сегментирование области руки
        рука = сегмент_ручка (серая_ рамка)
        
        # Проверяем, можем ли мы обнаружить руку ...
        если рука не None:
            
            с пороговым значением, hand_segment = рука

            # Рисование контуров вокруг сегмента руки
            cv2.drawContours (frame_copy, [hand_segment + (ROI_right,
      ROI_top)], -1, (255, 0, 0), 1)
            
            cv2.imshow ("Изображение руки в руках", с пороговым значением)
            
            thresholded = cv2.resize (установленный порог, (64, 64))
            thresholded = cv2.cvtColor (установленный,
 cv2.COLOR_GRAY2RGB)
            thresholded = np.reshape (пороговая,
(1, thresholded.shape [0], thresholded.shape [1], 3))
            
            pred = model.predict (с пороговым значением)
            cv2.putText (frame_copy, word_dict [np.argmax (pred)],
(170, 45), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,255), 2)
            
    # Рисуем ROI на frame_copy
    cv2.прямоугольник (frame_copy, (ROI_left, ROI_top), (ROI_right,
    ROI_bottom), (255,128,0), 3)

    # увеличиваем количество кадров для отслеживания
    num_frames + = 1

    # Отображение кадра сегментированной рукой
    cv2.putText (frame_copy, "Распознавание знака руки DataFlair_ _ _",
    (10, 20), cv2.FONT_ITALIC, 0.5, (51,255,51), 1)
    cv2.imshow ("Обнаружение знака", frame_copy)


    # Закрываем окна с помощью Esc
    k = cv2.waitKey (1) & 0xFF

    если k == 27:
        перерыв

# Отпустить камеру и уничтожить все окна
кулачок.релиз()
cv2.destroyAllWindows ()
 
 Распознавание языка жестов 
 Сводка 
 Мы успешно разработали проект обнаружения языка жестов. Это интересный проект Python с машинным обучением для получения опыта. Это может быть расширено для обнаружения английских алфавитов.
  Понравились ли наши усилия? Если да, поставьте DataFlair 5 звезд в Google | Facebook 
 языковых уроков в App Store 
 Учите новый язык с помощью самого загружаемого в мире образовательного приложения! Duolingo - это увлекательное бесплатное приложение для изучения более чем 35 языков с помощью быстрых небольших уроков.Практикуйтесь в разговоре, чтении, аудировании и письме, чтобы улучшить свой словарный запас и грамматические навыки.
 Разработанный экспертами-лингвистами и любимый сотнями миллионов учащихся по всему миру, Duolingo поможет вам подготовиться к настоящему общению на испанском, французском, китайском, итальянском, немецком, английском и других языках.
 Если вы изучаете язык для путешествий, учебы, карьеры, семьи и друзей или для здоровья вашего мозга, вам понравится учиться с Duolingo.
 Почему Duolingo? 
 • Duolingo - это весело и эффективно.Игровые уроки и забавные персонажи помогут вам развить твердые навыки разговорной речи, чтения, аудирования и письма.
 • Работает Duolingo. Duolingo, разработанный экспертами по языку, использует научно обоснованную методику обучения, которая, как доказано, способствует долгосрочному удержанию языка.
 • Отслеживайте свой прогресс. Работайте над достижением своих целей в изучении языка с помощью игровых наград и достижений, когда вы делаете практику ежедневной привычкой!
 • Присоединяйтесь к сообществу. С более чем 300 миллионами учащихся по всему миру вы являетесь частью языкового сообщества Duolingo.
 • Все языковые курсы бесплатны. Учите испанский, французский, немецкий, итальянский, русский, португальский, турецкий, голландский, ирландский, датский, шведский, украинский, эсперанто, польский, греческий, венгерский, норвежский, иврит, валлийский, арабский, латынь, гавайский, шотландский гэльский, вьетнамский, Корейский, японский, английский и даже высокий валирийский!
 Что мир говорят о Duolingo:
 «Лучшее приложение для изучения языков». —The Wall Street Journal
 «Это бесплатное приложение и веб-сайт являются одними из самых эффективных методов изучения языка, которые я пробовал ... уроки бывают в форме коротких заданий - говорить, переводить, отвечать на вопросы с несколькими вариантами ответов - которые заставляют меня продолжать назад, чтобы узнать больше.- The New York Times
 «Duolingo может хранить секрет будущего образования». - TIME Magazine
 «… Duolingo веселый, веселый и веселый…» - Forbes
 Если вам нравится Duolingo, попробуйте Duolingo Plus на 7 дней бесплатно! Выучите язык быстро без рекламы и получите забавные льготы, такие как Mastery Quiz, чтобы измерить, сколько вы узнали, и загружаемые курсы для изучения, где бы вы ни находились!
 Если вы решите приобрести Duolingo Plus, оплата будет снята с вашей учетной записи iTunes, а с вашей учетной записи будет взиматься плата за продление в течение 24 часов до окончания текущего периода.Автоматическое продление можно в любой момент отключить в настройках iTunes Store после покупки. Любая неиспользованная часть бесплатного пробного периода, если таковой предлагается, будет аннулирована, когда пользователь приобретает подписку на эту публикацию, где это применимо.
 Политика конфиденциальности: https://www.duolingo.com/privacy 
 Условия использования: https://www.duolingo.com/terms
 китайский язык жестов | Интересный путеводитель по 中国 手 语 👀 
 Все о китайском жестовом языке 
  Итак, я только что узнал, что приближается Международный день жестовых языков, который отмечается каждый год 23 сентября.
 Мне всегда было интересно изучать язык жестов, и у меня никогда не было времени остепениться и записаться на курсы, но это уже другая история!
  Проведя небольшое исследование, я обнаружил, что в каждой стране действительно есть своя версия языка жестов! 
  Я не знаю, почему я всегда считал язык жестов универсальным языком, но я был НЕПРАВИЛЬНЫМ. 
  Тогда я подумал, а есть ли китайский язык жестов? Если да, то где этому научиться? 
 Согласно моему исследованию из фантастического источника информации в Интернете, есть так много интересных вопросов, на которые я постараюсь дать ответы в этом блоге.
   ОТКАЗ ОТ ОТВЕТСТВЕННОСТИ   - Я никоим образом не являюсь экспертом по этому вопросу, поэтому, если вы обнаружите неверную информацию, сообщите нам об этом в разделе комментариев.
  Китайский язык жестов  - Что такое язык жестов?
  Китайский язык жестов  - Что такое китайский язык жестов?
  Китайский язык жестов  - Где учиться?
  Китайский язык жестов  - Международный день языков жестов
  Китайский язык жестов  - Вопросы и ответы
 Что такое язык жестов? 
 Нет лучшего способа, чем начать с официального определения, поэтому прочтите Кембриджский словарь:
 [Язык жестов] система движений рук и тела, представляющая слова, используемая людьми и для людей, которые не могут слышать или говорить
  На самом деле в мире существует более 300 различных жестовых языков.
  Да, вы правильно прочитали, это не опечатка! 
 В каждой стране был свой язык жестов, так же как и свой разговорный язык.
  Возможно, вы уже знакомы с термином ASL (американский язык жестов) или BSL (британский язык жестов). 
 Китайский язык жестов упоминается как CSL.
  Кто-то, практикующий CSL, может не понимать ASL. 
 Подобно тому, как французский, испанский и итальянский имеют латинские корни, немецкий, голландский и английский имеют германские корни, язык жестов имеет аналогичные корни, которые развивались со временем на основе культуры каждой страны, выражения тела и разговорной речи.
   Краткий урок истории!  
 Самым первым человеком, которому приписывают изобретение языка жестов, был Педро Понсе де Леон, испанский монах из  16 века .
 Однако известно, что коренные американцы использовали язык жестов и до этого, чтобы лучше общаться с другими племенами и вести дела с европейцами.
  Опираясь на работу Леона, другой испанский священнослужитель, Хуан Пабло Бонет, создал ручной метод изучения алфавита, одна форма которого представляет одну букву, и эта работа была опубликована в 1620 году.
  В  1755  французский священник Шарль-Мишель де л'Эпе изобрел еще более всеобъемлющий метод, даже создав словарь жестов. 
 Его работа была признана многими, и он основал  Национальный институт глухонемых в Париже , а также 20 других школ.
 В  1814 , Томас Хопкинс Галлодет, американский министр, приехал во Францию, чтобы обучиться и изучить все об этой технике. Вернувшись в США три года спустя, он основал  Американскую школу для глухих в Коннектикуте .
 Вот почему сегодня, несмотря на то, что язык жестов эволюционировал со временем, ASL близок к французскому языку жестов.
  Источник 
 Существует ли универсальный язык жестов? 
  Да, есть! Ну… вроде того. 
 Известный под названием  International Sign  (IS) или  International Gesture  (IG), не считается полноценным языком, а скорее формой общения между двумя подписывающими лицами, не имеющими общего языка жестов.
 Вначале возникла потребность в универсальном жестовом языке, и люди стали использовать определенную систему жестов для международных или культурных мероприятий.
 В 1973 году  Комиссия по унификации знаков  из  Всемирной федерации глухих  (WFD) опубликовала стандартизированный словарь.
 Благодаря многочисленным разработкам и усовершенствованиям на протяжении многих лет, Международный знак теперь используется во время международных встреч или мероприятий, таких как Сурдлимпийские игры.
  В ИБ используется упрощенная лексика со знаками, понятными самой большой аудитории. 
 Однако, поскольку IS в основном основан на ASL, людям из Азии или Африки труднее его понять, поэтому термин «международный знак» не одобрен лингвистами.
  Источник 
 Что такое китайский язык жестов? 
 Китайский язык жестов   (CSL) известен на мандаринском диалекте как 中国 手 z (zhōngguó shǒuyǔ).
  CSL имеет два диалекта! Подробности ниже. 
   ПРИМЕЧАНИЕ   - CSL не имеет отношения к  тайваньскому языку жестов  (文法 手 語 - wénfǎ shǒuyǔ).
 Так же, как ASL или BSL основаны на английских буквах, CSL опирается на китайские символы.
   Посмотрите эти видео, чтобы быстро увидеть, чем отличаются ASL и CSL:  
 Цзюнь Хуэй Ян, эксперт по истории образования глухих в Китае, заявляет, что « Первое историческое упоминание об использовании знаков для общения восходит к  году династии Тан (618-959 гг. Н. Э.), В которой китайское слово手 语 (сёю), что означает «язык жестов», встречается в классической литературе.”
  Источник 
 Самая первая школа глухих  в Китае  была основана в 1887 году недалеко от Циндао американской миссионеркой Аннеттой Томпсон Миллс.
  Вторая школа  была основана в 1897 году в Шанхае французской католической организацией.
 Эти две школы разработали CSL в том виде, в каком мы его знаем сегодня, и создали два его диалекта:
  Северный CSL , созданный под влиянием американского жестового языка.
  Южный CSL , под влиянием французского языка жестов.
  Как и большинство других языков жестов, CSL использует комбинацию жестов рук и выражения лица для передачи сообщения. 
 CSL также имеет алфавитную систему правописания, близкую к пиньинь.
   Узнайте, как подписывать китайский алфавит и цифры, в этом видео:  
  Стандартизация CSL началась в 1950-х годах, и первое руководство по фонетике для современного китайского языка было опубликовано в 1959 году. 
 А в 1990 году термин 中国 手 语 был официально выбран для китайского языка жестов.
 В 2019 году был выпущен  Национальный список общеупотребительных слов для универсального языка жестов , первый в своем роде в Китае, с 5000 слов для ежедневного использования, и в ближайшие годы, по данным Государственной комиссии по языку, появятся новые.
  На самом деле, вы, возможно, уже знаете китайский язык жестов! 
 Когда-нибудь учились считать по-китайски рукой?
 Где изучать китайский язык жестов? 
 Выучить язык жестов можно, и у вас будет больше шансов найти ресурсы или курс обучения местному языку жестов в вашей стране.
 Однако, если вы хотите учиться онлайн, в Интернете есть много ресурсов.
  Имейте в виду, что большинство из них преподают американский язык жестов (ASL). 
  Вы найдете видео на YouTube и учебные пособия по изображениям на Pinterest, а также множество онлайн-программ для изучения ASL. 
 Например, Signlanguage101 предлагает полные программы, а Университет Галлодета предлагает бесплатные уроки ASL.
  Если вы хотите выучить китайский язык жестов, к сожалению, очень мало онлайн-ресурсов на английском языке.
 Вы можете найти видео на YouTube или на некоторых веб-сайтах, но у вас будет больше шансов найти полезные ресурсы на  Baidu , если вы немного поймете по-китайски.
 Международный день жестовых языков 
 И чтобы закончить этот блог, давайте немного поговорим о Международном дне жестовых языков.
  Международный день жестовых языков отмечается ежегодно 23 сентября. 
 «[Эта дата] - уникальная возможность поддержать и защитить языковую самобытность и культурное разнообразие всех глухих и других пользователей жестового языка»
  По данным ООН 
  Этот день впервые отметили в 2018 году, поэтому он стал событием совсем недавно! 
 Это происходит во время Международной недели глухих, которая была учреждена в  1958 .
 23 сентября было выбрано специально, потому что это также дата основания Всемирной федерации глухих в  1951 .
 По данным Китайской федерации инвалидов, в Китае 20,54 миллиона глухих.
  Источник 
 Несмотря на то, что стандартизация китайского языка жестов появилась недавно, страна прилагает все усилия, чтобы сделать обучение языку жестов более доступным.
   Знаете ли вы, что существует китайский язык жестов? Дайте нам знать об этом в комментариях!  
 Часто задаваемые вопросы 
 Есть ли китайский язык жестов?
 Да, есть.
 Китайский язык жестов упоминается как CSL, а на мандаринском -  中国 手 语 (zhōngguó shǒuyǔ) .
 Является ли язык жестов в материковом Китае таким же, как и на Тайване?
  Нет, это не то. 
 Материковый Китай имеет CSL 中国 手 语 (zhōngguó shǒuyǔ), Тайвань имеет TSL 文法 手 語 (wénfǎ shǒuyǔ).
 На самом деле в мире существует более 300 жестовых языков.
 Можно ли выучить китайский язык жестов?
  Да, китайский язык жестов можно выучить.
 Имейте в виду, что существует очень мало онлайн-ресурсов на английском языке, однако вы можете найти множество обучающих видео на Baidu.
 Как будет язык жестов по-китайски?
 Язык жестов на китайском языке -  手 语 (shǒu yǔ) .
  手   shǒu  означает «рука»;  语   yǔ  означает «язык».
 Достаточно легко запомнить, не правда ли?
 Когда сегодня Международный день жестовых языков?
 Международный день жестовых языков отмечается 23 сентября каждого года.
 Эта дата была выбрана специально потому, что это также день основания Всемирной федерации глухих в  1951 .
 Хотите больше от LTL? 
 Хотите изучать китайский язык, не выходя из собственного дома? Тогда вам могут подойти онлайн-уроки китайского.
 Если вы хотите узнать больше о LTL Mandarin School, присоединяйтесь к нашему списку рассылки.
 Мы даем много полезной информации об изучении китайского языка, полезных приложений для изучения языка и всего, что происходит в наших школах LTL! Зарегистрируйтесь ниже и станьте частью нашего постоянно растущего сообщества!
  Автор 
 Марин Коллиот 
 Marine - наш партнер по маркетингу из Франции.Ее история с Китаем насчитывает много лет, как и ее время с LTL, где она была студенткой, практикантом, а теперь является членом нашей команды по маркетингу!
 «Я люблю тебя» на жестовом языке [видео и примеры] 
 395681024
 
 Чтобы подписать  Я люблю тебя  на американском языке жестов (ASL), укажите большим и указательным пальцами в форме буквы «L». Удерживая их вытянутыми, поднимите мизинец. Ваш средний и безымянный пальцы продолжают касаться ладони.Наконец, направьте руку на собеседника.
 I-L-Y - мощный знак! 
 Знак  Я люблю тебя (I-L-Y)  стал сильным символом в сообществе глухих и с тех пор стал широко распространяться. Он не только используется, чтобы показать сильную идентификацию с сообществом глухих, но вы также можете использовать его в повседневных разговорах. Вы даже можете попрощаться или поблагодарить вас с табличкой  I-L-Y !
 Пока, я люблю тебя!
 Если вы хотите выразить кому-то романтическую любовь, вы обычно используете другое выражение, как показано на видео ниже:
 Я люблю тебя (романтическая привязанность)
 Часто задаваемые вопросы 
 Каково происхождение знака I-L-Y? 
 Знак «Я люблю тебя» представляет собой комбинацию букв  I ,  L  и  Y .Большой и указательный пальцы вместе образуют  L , а мизинец -  I . Кроме того, ваш большой и мизинец изображает  Y . Итак, если вы объедините все три формы рук, вы получите  I-L-Y  за  Я люблю тебя.  Очаровательно, не правда ли?
 Могу ли я подписать «Я люблю тебя» левой или правой рукой? 
 Для таких знаков, как  Я люблю тебя , которые используют только одну руку, вы обычно используете руку, которой вы также пишете.Так что, если вы левша, вы обычно используете левую руку для подписи «Я люблю тебя».
 Дополнительные полезные предложения с использованием I love you 
 Я люблю тебя (подчеркну сильнее)
 Я вас всех люблю!
 Мне очень нравится вывеска I-L-Y
 Начните изучать язык жестов бесплатно 
 Общайтесь с глухими родственниками, друзьями или коллегами и изучайте американский язык жестов онлайн. Зарегистрируйтесь бесплатно и присоединяйтесь к более чем 100 000 учащихся по всему миру! Начните обучение
 Хотите начать изучать язык жестов бесплатно?
 Общайтесь с родственниками, коллегами или друзьями глухих и изучайте американский язык жестов онлайн.
 Начни бесплатно
Нет, спасибо
 Различные типы языка жестов 
  Язык жестов не универсален: 
 «Этнологические языки мира» перечисляет, что используется 142 жестовых языка, однако это число трудно точно определить из-за того, что новые жестовые языки часто создаются в школах в деревенских общинах с высоким уровнем врожденной глухоты.Язык жестов - это сложная форма общения, состоящая из жестов рук, языка тела и мимики. Он используется для того, чтобы глухие люди могли эффективно выражать свои мысли и чувства. Многие люди ошибочно полагают, что язык жестов универсален, однако языки, используемые в ручном обучении, значительно различаются от одного географического региона к другому. Языки жестов, как и разговорные языки, естественным образом развиваются из групп людей, взаимодействующих друг с другом; регион и культура также играют большую роль в развитии.Большинство жестовых языков не являются взаимно понятными, поэтому люди, не говорящие на одном языке, не могут понимать друг друга. В некоторых странах, например, в Шри-Ланке, в каждой школе есть свой язык жестов, известный только учащимся, посещающим эту школу. В других странах используются языки жестов, хотя их называют по-разному, хорватский и сербский языки жестов совпадают, и индийский и пакистанский языки жестов также совпадают.
  Три основных формы жестового языка, используемые в США: 
  Американский язык жестов (ASL) 
  Для изучения ASL не требуются навыки речи, чтения или аудирования, это ручной язык, и идеи можно легко понять.Язык свободный, естественный и может быть переведен на разговорные языки. ASL имеет свои собственные идиомы, синтаксис и грамматику. ASL подписан в странах по всему миру.
  Pidgin Signed English (PSE) или Signed English 
  PSE - наиболее часто используемый язык жестов среди глухих в Соединенных Штатах. Словарь взят из ASL, однако в нем следует порядок слов на английском языке. Слова-заполнители и соединительные слова (to, the), а также окончания слов (ed, ing) часто опускаются.Многие учителя используют PSE, и это считается более простым в освоении, чем ASL или SEE.
  Signing Exact English (SEE) 
  SEE - это, по сути, дословная подпись на английском языке, знаки взяты из ASL, однако они дополнены префиксами и временами, которые дают подписывающему лицу больше возможностей. Использование SEE позволяет подписавшемуся расширить словарный запас. Англоязычные родители с глухими детьми, кажется, лучше справляются с SEE, потому что это действительно визуальное представление английского языка.
  Популярные формы жестового языка, используемые во всем мире: 
  Ауслан (австралийский язык жестов): 
  Ауслан имеет два основных диалекта, северный и южный, они имеют разные знаки для таких вещей, как животные, цвета и дни недели, однако грамматическая структура одинакова для всех диалектов. Ауслан тесно связан с британским языком жестов (BSL) и новозеландским языком жестов (NZSL), которые происходят из языковой семьи BANZSL. Несмотря на то, что Америка и Австралия говорят по-английски, ASL и Auslan очень разные.Ауслан использует двуручный алфавит, в то время как ASL использует одноручный алфавит.
  Британский язык жестов (BSL): 
  BSL имеет много разных диалектов, которые могут варьироваться от региона к региону, и они используют двуручный алфавит. В 2011 году 15 000 человек, проживающих в Англии и Уэльсе, сообщили, что используют BSL ​​в качестве основной формы общения.
  Китайский язык жестов (CSL): 
  Знаки CSL представляют собой визуальные представления письменных китайских иероглифов, они используют алфавит для одной руки.Есть много диалектов CSL, но шанхайский диалект является наиболее распространенным. Язык развивается с конца 1950-х годов, и Китайская национальная ассоциация глухих упорно работает над повышением осведомленности и поощрением использования языка по всей стране.
  Ирландский язык жестов (ISL): 
  ISL в основном используется в Северной Ирландии, и этот язык тесно связан с американским языком жестов, а также с французским языком жестов, однако он не связан с разговорным английским или ирландским языками.Алфавит подписывается одной рукой. ISL существует сотни лет и был сформулирован в сообществах глухих во всех регионах Ирландии. ISL был доставлен в Австралию, Южную Африку, Шотландию и Англию католическими миссионерами. Вы все еще можете увидеть остатки ISL в некоторых вариациях BSL, которые сегодня используются некоторыми пожилыми католиками-аусланами.
  Японский язык жестов (JSL): 
  JSL сильно отличается от других языков жестов, он использует ртование, чтобы различать знаки и буквы в алфавите.JSL также использует больше дактилоскопии, а также фактическое рисование японских иероглифов в воздухе. JSL - это собственный язык, если не считать того факта, что он в значительной степени заимствован из разговорного японского.
  Испанский язык жестов (SSL): 
  SSL в основном используется в Испании, и около 100 000 подписчиков SSL. SSL полностью отличается от ASL, так же как английский отличается от испанского. SSL используется по всей Испании, за исключением Каталонии, где используется каталонский язык жестов, и Валенсии, где используется валенсийский язык жестов.
 
 Niki’s Int’l Ltd. - это женское бизнес-предприятие, сертифицированное WBENC, с 21-летним опытом работы в сфере языковых услуг. Глобальная сеть высококвалифицированных устных и письменных переводчиков доступна 24 часа в сутки, 7 дней в неделю для оказания услуг устного перевода на месте, а также по телефону и по видеосвязи. Наши лингвисты говорят на более чем 350 языках и диалектах, а наша сеть включает сертифицированных устных и письменных переводчиков. Наша работа гарантирована политикой ошибок и пропусков в размере 1 миллиона долларов, так что вы можете быть уверены, что ваш проект будет завершен с высочайшим уровнем качества и профессионализма в данной области.Для получения дополнительной информации свяжитесь с нами по телефону 1-877-567-8449 или посетите наш веб-сайт www.nilservices.com.
 Учебное пособие по
 R - Изучение программирования на R 
 Хотя RStudio - прекрасный инструмент для начала изучения R, это всего лишь интерфейс для консоли R. Важно быть знакомым с запуском программ R непосредственно через командную строку или терминал, потому что у вас не всегда может быть доступ к графическому интерфейсу, если вы запускаете программы R на сервере.
 Если R установлен правильно, вы можете открыть консоль R, набрав «R» на терминале и нажав Return / Enter.
 Когда вы запустите R, первое, что вы увидите, это консоль R с приглашением по умолчанию «>». Мы можем начать вводить команды прямо в командной строке и нажать «Return», чтобы выполнить ее.
 Например, попробуйте ввести следующие команды в строке R
 > n <- c (2, 3, 5, 10, 14)
> означает (п)
[1] 6,8
  
 Как видите, каждая команда выполняется, как только вы нажимаете клавишу возврата, и если есть какой-либо вывод (среднее значение в приведенном выше примере), он отображается.
 Если команда не завершена, когда вы нажмете «Return», подсказка изменится на «+» и продолжит принимать ввод, пока команда не будет синтаксически завершена.
 В качестве альтернативы мы можем выполнять команды R, хранящиеся во внешнем файле, используя функцию source () следующим образом.
 > источник ("example.R")
Чтобы выйти из командной строки, мы можем вызвать функцию q () (как в quit).
> q ()
  
 Различные способы запуска сценариев R 
 Иногда может потребоваться запустить программу R внутри пакета или сценария оболочки.Есть разные способы добиться этого.
 Метод 1. Использование команды R CMD BATCH 
 Сохраните сценарий R в текстовом файле с расширением .R и введите следующую команду.
 R ПАКЕТ CMD /home/demo/learnR/Rprogramming.R 
 Вывод этой команды будет сохранен в файле с именем  Rprogramming.Rout 
 Метод 2: Использование Rscript 
 Используйте следующую команду
 Rscript /home/demo/learnR/Rprogramming.R
 
 Разница между  R CMD  и  Rscript  заключается в том, что  Rscript  печатает вывод в STDOUT вместо файла.
 Если вы хотите превратить вашу R-программу в исполняемый файл, вы можете указать, что вы хотите, чтобы файл запускался с использованием  Rscript , добавив следующую строку в начало вашего R-скрипта.