Kvalitetskrav på videotelefoni för teckenspråkskommunikation

Transkript

1 Välkommen till Omnitor Bredband och total konversation Produkter / tjänster Rapporter Kvalitetskrav på videotelefoni för teckenspråkskommunikation Bruksanvisning för mätmetoden Kvalitetsprofil - formulär för utvärdering Verifiering av kvalitetskrav KFB-rapport för Framåt-2000 Standardisering Kvalitetskrav på videotelefoni för teckenspråkskommunikation

2 December 1996 KVALITETSKRAV PÅ VIDEOTELEFONI FöR TECKENSPRÅKSKOMMUNIKATION Kvalitetsmätmetod och kravspecifikation Gunnar Hellström Omnitor Renathvägen Johanneshov Mobil: Tel: Fax: Video: gunnar.hellstrom@omnitor.se Kvalitetsmätmetod för videokommunikation på teckenspråk Detta är en beskrivning av en mätmetod för bedömning av kvaliteten på videokommunikation för teckenspråk. Metoden har utvecklats under 1996 i projektet Kvalitetskrav på videokommunikation för teckenspråk. Mätvärdenas betydelse visas i en kravspecifikation som är avsedd att vara till ledning vid upphandling och utveckling av videotelefoner för teckenspråk. Projektet har drivits av Sveriges Dövas Riksförbund, med assistans av företagen Kalejdo Personalutveckling AB och Omnitor Assistive Information Technology. Projektet har finansierats av Kommunikationsforskningsberedningen. I projektet har en samling rapporter och material framställts: Kvalitetsmätmetod och Kravspecifikation (denna rapport) Bruksanvisning till mätmetoden Mätvideo Formulär till kvalitetsprofil Verifiering av kvalitetskrav Videotelefoni för döva och hörselskadade - en litteraturstudie Introduktion på teckenspråk, rapporter, mätvideo och exempel på CD-ROM. Innehåll Kvalitetsmätmetod för videokommunikation på teckenspråk...2 Innehåll...3 Bakgrund...3 Mål...4 Något om teckenspråk och videoåtergivning...4 Teckenspråk...4 Återgivning av rörliga bilder...5 Behov av rörelseåtergivning i teckenspråk...5 Behov av skärpa för återgivning av teckenspråk...5

3 Bildupplösning i videokommunikation...5 Komprimering av videoinformation...5 Behov av standard för videokodning...6 Komprimeringens påverkan på teckenspråksöverföringen...6 Kommunikationslänkens påverkan på videokommunikationen....6 Vad avgör kvaliteten, sändaren, mottagaren eller kommunikationslänken?...7 Slutsats för kvalitetsbehoven...7 Översikt över mätmetoden och dess användning...8 Videons innehåll och användning...8 Kvalitetsprofilen...12 Krav på videotelefoner för teckenspråksanvändning...13 Krav på kvaliteten i teckenspråksöverföringen...13 Andra krav av betydelse för teckenspråksanvändning...13 Erfarenheter av utförda mätningar Zydacron OnWan 250, ISDN 56 kbit/s QCIF Zydacron OnWan 250, ISDN 64 kbit/s CIF Zydacron OnWan 250, ISDN 64 kbit/s QCIF Zydacron OnWan 250, ISDN 128 kbit/s CIF Zydacron OnWan 250, ISDN 128 kbit/s QCIF Zydacron OnWan 250, LAN 384 kbit/s QCIF Zydacron OnWan 250, LAN 384 kbit/s CIF Zydacron Z200, ISDN 384 kbit/s CIF Picturetel PCS 50, ISDN 128 kbps CIF Picturetel Concorde 4500, ISDN 384 kbps CIF Alcatel 2838, ISDN 128 kbps CIF BOCA VideoPhone Elite, modem 28,8 kbit/s, QCIF Tandberg Vision 600, ISDN 128 kbps CIF Tandberg Vision 600, ISDN 128 kbit/s QCIF Tandberg Grand Vision 2000, ISDN 128 kbit/s CIF...30 Bakgrund Videokommunikation kan ge teckenspråkiga personer möjlighet till kommunikation på lika villkor som talspråkiga personer har i taltelefoni. Videokommunikaton kan ge möjlighet till kommunikation på det egna första språket, teckenspråk.men många videotelefoner som utvecklats hittills har haft för låg kvalitet i videokommunikationen för att vara riktigt användbara för teckenspråkskommunikation. Speciellt vanligt är det att återgivningen av rörelser är ryckig och ofullständig, vilket allvarligt försvårar uppfattning av teckenspråk. Utvecklingen går framåt och produkter på marknaden uppvisar mycket varierande kvalitet för teckenspråksanvändning även om samma kommunikationsnät och kommunikationshastighet används. Ett antal försöksprojekt för teckenspråkskommunikation har genomförts på olika håll i världen. De har oftast undersökt användbarheten hos vissa utrustningar, men sammantaget ger de ändå en bild av vilka tekniska egenskaper som är viktigast för teckenspråkskommunikation. En sammanställning av vad andra undersökningar sagt om kvalitetsdrivande parametrar finns i en separat rapport från detta projekt. (Patrik Revelius, 1996) Behoven från teckenspråksanvändarna behöver bli kända hos produktutvecklare, och hos de som avser köpa och använda videotelefoner. Det behövs enkla mätmetoder för användning till exempel vid köp och utveckling av videotelefoner så att man kan konstatera om en videokommunikationsutrustning är användbar för teckenspråk. I tillverkarnas broschyrer anges tyvärr ofta kvalitetsvärden som är missledande och inte giltiga vid teckenspråksanvändning. Mål För att ge köpare, utvecklare och användare möjlighet att bedöma användbarheten hos videokommunikationsutrustning har en mätmetod utvecklats. Ett mål har varit att utveckla en mätmetod baserad på en video som kan spelas upp genom ett par videokommunikationsutrustningar för att få värden på deras lämplighet för teckenspråksanvändning. Metoden skall: Vara enkel att använda. Kunna användas utan kunskap i teckenspråk. Kunna användas utan dyra tekniska utrustningar. Ge ett reproducerbart resultat som visar hur användbar en videokommunikationsanläggning är för teckenspråkskommunikation. Ha tydlig anknytning till teckenspråk. Kunna mäta värden som är kvalitetsdrivande för teckenspråkskommunikation men också är relaterad till vanlig teknik för videokommunikation. Kunna användas vid upphandling av utrustning, vid funktionskontroll av utrustning och vid

4 utveckling av utrustning. I första hand gälla för direkt konversation på teckenspråk mellan två personer. I någon mån ge uppfattning om användbarhet för gruppdiskussioner. I någon mån ge uppfattning om användbarhet för tal med läppavläsning. Något om teckenspråk och videoåtergivning Teckenspråk Teckenspråk bygger på visuella uttryck med händer, mun, ögon, ansikte och kropp. För uppfattning av teckenspråk är det viktigt att kunna uppfatta handformer, förändringar i handformer, rörelser i händer, ansikte och kropp. Många korta snabba signaler används. T.ex. är blinkningar och blickriktningar viktiga grammatiska signaler. De flesta företeelser har egna lexikala tecken, men namn och låneord bokstaveras ofta med hjälp av handalfabetet - unika handformer och handpositioner för varje bokstav, kombinerat med munrörelser. Återgivning av rörliga bilder All videoåtergivning är baserad på visning av bilder i snabb sekvens. I filmens barndom använde man ofta bilder per sekund, vilket ansågs tillräckligt för att ge intryck av sammanhängande rörelse. Senare har man ökat hastigheten så att man numera i film oftast använder 24 eller 25 bilder per sekund för att få jämnare intryck av rörelsen. I video och TV använder man sig av 50 bilder per sekund i Europa och 60 bilder per sekund i USA. I datorlagrad video använder man oftast 25 respektive 30 bilder per sekund som allmänt anses ge tillräcklig uppfattning av rörelser. Behov av rörelseåtergivning i teckenspråk De snabbaste rörelserna finner man i bokstavering med handalfabetet. För att ge ögat en chans att uppfatta bokstäverna i handalfabetet under bokstavering behöver varje bokstav återges på minst 3 bilder. En enkel analys av inspelade teckenspråkssamtal visar att det är vanligt att bokstavera med handalfabetet med en hastighet av omkring 7 bokstäver per sekund. För bra återgivning av bokstavering med handalfabetet i naturlig fart behöver videokommunikationsutrustningen därför återge minst 21 bilder per sekund. Man kan vänja sig att bokstavera långsammare, men det ger en onaturlig begränsning i konversationen. Det finns andra signaler i teckenspråk som är lika snabba. Blinkningar till exempel är viktiga grammatiska element. De tar omkring 0,1 sek. För att en blinkning säkert skall återges på minst en bild får bildintervallet inte vara längre än halva denna tid. Därför behöver minst 20 bilder per sekund återges. Behov av skärpa för återgivning av teckenspråk Bilden behöver återges såpass skarpt att man kan uppfatta t.ex. handform, blickriktning och blinkningar. Med den bildvinkel man brukar välja, från hjässa till mage, blir fingrar av en storlek som motsvarar 1/50 av bildens bredd. Iris i ögonen blir ungefär 1/100 av bildbredden. Bilden är uppdelad i punkter, pixels. För att kunna återge ett finger urskiljbart behövs minst 3 punkter på fingrets bredd. Detta leder till ett behov av en upplösning om minst 150 punkter på bredden för att se fingrar, men 300 punkter för att uppfatta blickriktningar. Bildupplösning i videokommunikation I videotelefoni har man standardiserat några olika upplösningar. En vanlig upplösning kallas CIF, och ger 352 punkter på bredden och 288 på höjden i bilden. Den bör alltså räcka för att återge teckenspråk med de viktigaste detaljerna. En grövre upplösning som ibland används kallas QCIF, och ger 176 * 144 punkter. Den bör alltså räcka för att ge en uppfattbar bild av händerna, medan den kan ge svårigheter att uppfatta finare men viktiga detaljer som blickriktning och blinkningar. Komprimering av videoinformation I videokommunikation har man ofta behov att komprimera och minska informationen så att den kan sändas på en relativt långsam teleförbindelse. För att sända all information i vanlig videokvalitet behövs omkring 60 millioner databitar per sekund. Ofta används ISDN-förbindelser för videotelefoni. En ISDN-anslutning kan överföra bitar per sekund. Det är uppenbart att det behövs avancerade metoder att minska datainnehållet i videoinformationen utan att bilden blir allför mycket förvanskad. En vanlig metod är att minska bildförändringstakten långt under de bilder per sekund som videokameran ger. Om man gör det för långt ger det ryckigt intryck av rörelser. En annan metod är att göra bilderna grövre än de 352*288 punkter som vanlig videokvalitet brukar ge. Det medför att den blir mer eller mindre suddig.

5 Genom att överföra endast information om förändringarna från bild till bild kan överföringsbehovet hållas måttligt. En vanlig metod är att sänka bildväxlingstakten då det är mycket rörelser i bilden för att hinna sända informationen om förändringarna. En annan metod är att göra bilden eller delar av bilden grövre just när det är mycket rörelser i den. Effektiva metoder att beskriva ytor, färger och former används också. Kombinationer av alla dessa metoder behövs för att få fram användbar videoinformation på vanliga teleförbindelser. Allt mer raffinerade metoder för komprimerad kodning av videoöverföringen utvecklas och införs i produkter. Behov av standard för videokodning För att man fritt skall kunna koppla olika videotelefoner till varandra så måste de följa överenskommen standard för kodningen, annars kan inte den mottagande videotelefonen packa upp och visa de kodade bilderna. Under några år har en kodningsstandard med namnet H.261 varit den allmänt använda standarden. I oktober 1996 blev en ny och effektivare kodningsstandard H.263 antagen. Inom dessa standarder finns stora möjligheter att göra produkter med olika egenskaper i videoöverföringen. Arbetet går vidare och ännu mer effektiva kodningsstandards väntas de närmaste åren. Detta kommer att öka möjligheten till god teckenspråksöverföring på ekonomiskt försvarbara teleförbindelser. Komprimeringens påverkan på teckenspråksöverföringen Komprimeringen av videoinformationen resulterar ofta i att bildfrekvensen sänks från originalets och att bilden görs grövre, eller att detaljer i bilden som rör sig visas extra grovt. Resonemanget ovan leder till att om bildfrekvensen sjunker under 20 bilder per sekund eller om bilden blir grövre än 150 punkter på bredden så är det risk att viktig språkinformation går förlorad. Ändå har det visat sig möjligt att avläsa teckenspråk med bildfrekvenser ner till 5 bilder per sekund och upplösning ner till 128*96 punkter. Att använda videotelefoner med sådana egenskaper är dock mycket ansträngande och risken för att missa något är mycket stor. Komprimeringen och upp-packningen innebär mycket beräkningar. Dessa beräkningar tar tid. Därför uppstår en tidsfördröjning från det att kameran registrerat en rörelse tills den visas på mottagarens skärm. I vissa kommunikationsnät kommer fördröjningar också in av kommunikationssystemet eller behöver läggas in för att kunna garantera jämn överföring utan avbrott. Fördröjning påverkar konversationen så att den stör turtagning i samtal. Bekräftelser och svar kommer inte då man väntar sig dem, utan ett ögonblick senare, vilket kan kännas mycket besvärande och hämmande på dialogen. Kommunikationslänkens påverkan på videokommunikationen. Videotelefonerna brukar kopplas ihop genom det digitala telenätet ISDN (Integrated Services Digital Network), genom det vanliga analoga telenätet ( PSTN, Public Switched Telecommunications Network), genom kabel-tv-nät, ATM-baserade (Asynchronous Transfer Mode) fjärrnät eller genom lokala nät. Under utveckling är också möjlighet att koppla sig genom mobila telefonnät. Förbindelsen kan gå direkt från videotelefon till videotelefon eller genom ett mellanliggande datanät som påverkar kvaliteten. Ett sådant är Internet. Förbindelsen kan också ordnas genom en videokonferensbrygga, som är avsedd att koppla ihop flera videotelefoner i flerpartsmöten. Om två videotelefoner kopplade till olika nät skall kommunicera brukar det behövas en översättningsstation, en gateway, mellan dem. Alla dessa olika förbindelser påverkar kvaliteten i förbindelsen. Fyra egenskaper i förbindelsen dominerar kvalitetspåverkan. Bandbredden. D.v.s. hur många bitar data per sekund som kan överföras i förbindelsen, och hur mycket som används för videoinformation. Av den tillgängliga bandbredden sätter man ofta av en del för ljudöverföringen och ibland en del för datakonferensfunktioner. För att få bästa videoöverföring är det viktigt att ha så stor del av kapaciteten kvar till video. Förmågan att överföra data med garanterad jämn hastighet utan avbrott. De direktkopplade näten ISDN och PSTN, och även ATM är bra på detta, medan traditionella lokala nät och Internet ofta ger risk för ojämn överföringshastighet och korta stopp i trafiken då andra använder nätet. Felfrekvens. De digitala näten ISDN och ATM har mycket låg felfrekvens i överföringen. I dåliga PSTN-förbindelser kan det vara högre felfrekvens och i mobila telenät är risken ännu större för förvrängning av data. Överföringsmetoden behöver planeras så att överföringsfel inte förstör bilden för lång tid. Fördröjning. I vissa nät mellanlandar informationen i datorer i nätet innan den sänds vidare. Det medför risk för störande fördröjningar. Internet är ett sådant nät. Videokonferensbryggor och gateways medför fördröjningar. Nät, där kommunikationen går lång väg, t.ex. via en satellit medför också fördröjningar. Vad avgör kvaliteten, sändaren, mottagaren eller kommunikationslänken?

6 Både den sändande videotelefonen, kommunikationsnätet och den mottagande videotelefonen påverkar kvaliteten i bilden. När de båda videotelefonerna kopplas ihop förhandlar de om vad de kan och hur de skall ställa in vissa egenskaper i överföringen. Därför kan två videotelefoner av samma märke och typ som kan samma komprimeringsknep ibland ge bättre kvalitet än om man kopplar ihop olika typer. Det är svårare att komprimera video än att packa upp den. Därför har sändaren stor påverkan på kvaliteten. Men visning av video kräver också mycket. Därför har mottagaren stor påverkan. Och enligt resonemanget ovan så är det många egenskaper hos kommunikationslänken som påverkar kvaliteten. Om man vill mäta kvaliteten hos en sorts videotelefon så bör man ha samma typ i båda ändar av förbindelsen, och noga notera alla inställningar. Och för kontroll av att de inte använder sig av för mycket egna knep som inte kan användas när man kopplar sig mot andra typer så kan det vara bra att göra en kontroll mot en annan typ också. Slutsats för kvalitetsbehoven God återgivning av teckenspråk med naturlig fart nästan kräver full videoupplösning i både tid och rum motsvarande den som VHS-band ger. Den informationsminskning som man normalt inför i videokommunikation riskerar lätt att ta bort information som var väsentlig för teckenspråksuppfattningen. Då det finns stora möjligheter att variera komprimeringsmetoderna är det viktigt att kunna mäta hur bra olika produkter och inställningar möter behovet från teckenspråksanvändningen och att optimera komprimeringen för teckenspråksanvändning. Översikt över mätmetoden och dess användning Mätmetoden grundar sig på en video med sekvenser som belyser olika kvalitetsegenskaper i videokommunikation för teckenspråk. Mätningen görs genom att spela upp mätvideon genom ett par videokommunikationsutrustningar kopplade genom telenätet. En videospelare ansuts till en videoingång på den ena videotelefonen och bandet spelas upp där. Vid den andra gör man antingen observationer direkt eller spelar in resultatet på video genom en videoutgång för noggrannare analys efteråt. Bandet innehåller nio olika videosekvenser. Två av dem innehåller dessutom ljud som skall analyseras eller spelas in genom videotelefonen. En sekvens innehåller ljud som skall avlyssnas eller spelas in direkt från mätvideon utan att gå genom videotelefonen. Den inledande texten har även ljud för att ge möjlighet att kontrollera kopplingarna. Videon bör helst användas i en kvalitet bättre än VHS, t.ex. S-VHS, Hi-8 eller Beta-SP. Det finns en risk att den låga kvaliteten på VHS påverkar resultatet. Speciellt kan brus i bilden påverka mätningen av bildväxlingstakt. När man gör en mätning är det viktigt att notera egenskaper och inställningar hos båda videokommunikationsutrustningarna och kommunikationslänken mellan dem. Det är många faktorer som p E5 verkar kvaliteten i återgivningen. Till videon finns ett formulär för utvärdering med plats för notering av viktiga uppgifter. Här ges också en klassning av uppmätta värden i graderna: Oanvändbart, Svåranvänt, Godtagbart och Bra. Sådana klassningar är inte absoluta, men ger en snabb ungefärlig uppfattning om kvaliteten med den noggrannhet som är lämplig med tanke på att många andra parametrar påverkar kvaliteten i verklig användning. Det viktigaste underlaget för denna klassning har varit resultatet från verifieringen med försökspersoner, men även uppgifter från andra rapporter. Videons innehåll och användning Videon finns i en svensk och en engelsk utgåva. Den innehåller nio videoavsnitt. Före varje avsnitt finns en text som ger en kortfattad instruktion till hur avsnittet skall användas. 1. Silent voice En internationell referens med amerikanskt teckenspråk som används av videokommunikationsforskare. Den har ursprung i standardgruppen MPEG4. Här används den om det finns behov av diskussion med utvecklare som använder denna sekvens. Man kan också få en första subjektiv uppfattning om rörelserna ser tillräckligt mjuka ut. Uppgift: Kontrollera subjektivt om rörelserna ser mjuka och kompletta ut så att teckenspråket blir uppfattbart. 2. Fast, en snabbt tecknad sekvens. En sekvens tecknad snabbt. Kan användas för subjektiv bedömning av kvaliteten av personer med

7 teckenspråkskunskap. I sekvensen finns t.ex. namnen La Valletta och Malta snabbt bokstaverade. En teckenspråkskunnig person kan avgöra om dessa bokstaveringar återges tillräckligt bra. Uppgift: Kontrollera subjektivt om kvaliteten räcker till för snabbt teckenspråk. 3. Slow, en långsamt tecknad sekvens. En sekvens med långsamt tecknat teckenspråk. Kan användas av teckenspråkskunniga personer för en subjektiv bedömning av om rörelsen ser komplett ut då den tecknande personen sänker hastigheten långt under det normala så som man måste för att kunna teckna genom en videotelefon med låg kvalitet. Uppgift: Kontrollera subjektivt om kvaliteten räcker till för medvetet sänkt fart på teckenspråk. 4. Frame rate. Bildväxlingstakt. För bedömning av bildväxlingstakten med teckenspråk i bild. Till vänster i bilden finns ett rutmönster med 25 rutor. En röd fläck visas i en av dessa rutor i taget, och flyttas för varje bild, 25 gånger per sekund. Det blir som ett rörligt mönster uppifrån och ned under en sekund, varefter det börjar om uppifrån. Under en del av sekvensen tecknar personen i bilden livligt. Den delen är märkt Signing med rött under rubriken Frame-rate. Under denna del skall man räkna hur många röda fläckar som syns i rutmönstret på väg ned under en sekund. En grov uppfattning kan man få direkt, genom att titta på mönstret vid uppspelningen. Som ledning finns bilder av utseendet vid 6, 13 resp. 25 bilder per sekund i högra delen av bilden. Värdet anges ofta som frames per second i broschyrer, och är det viktigaste kvalitetsvärdet i mätningen. Värdena motsvarar följande användbarhetsmått: 1-4 bilder/sekund: Omöjligt för teckenspråk 5-11 bilder/sekund Möjligt att uppfatta, men ansträngande och ger missförståndsrisk bilder/sekund Godtagbart för teckenspråk. Risk för problem vid bokstavering. Gradvis bättre ju högre bildväxlingstakt. 20 bilder/sekund eller mer Bra Efter sekvensen med teckenspråk i bilden kommer ett kort avsnitt med mycket lite rörelse, märkt Still med rött under Frame-rate. Många videotelefoner ökar bildfrekvensen i sådana situationer, och broschyrernas värden på bildväxlingstakt är ofta mätt med mycket små rörelser i bilden. Värdet är ointressant för teckenspråksanvändning. Sekvensen har ändå tagits med här för jämförelse då det ofta är detta värde som annonseras i produktinformation. Uppgift: Avläs hur många röda punkter som syns på en sekund medan det röda märket Signing syns i bild. Detta är bildväxlingstakten med teckenspråk i bild. (För jämförelse kan man även avläsa även hur många röda punkter som syns på en sekund medan det röda märket Still syns i bild. Detta är bildväxlingstakten i vila, ofta uppgiven i produktbroschyrer, men utan intresse i teckenspråkssammanhang.) 5. Static resolution. Upplösning i bilden För bedömning av upplösningen i bilden. Oftast används en grundupplösning av bilden i ett antal punkter ( pixels ) horisontellt och vertikalt. Här mäter man hur många linjer som kan visas utefter bildens hela bredd. Fyra randiga fält med en linjebredd som motsvarar 80, 160, 240 och 320 linjer på skärmens bredd. Mätningen görs genom att notera vilket är det tätast randiga fält som ränderna syns i. En annan mätning på samma sekvens kan man göra på bilderna av personen i olika storlekar, märkt ed 1, 2 och 4. Här skall man bedöma i vilka bilder som detaljer såsom ögon och fingrar på personen syns tydligt. Siffran anger ungefär hur många personer man kan vara i bild med möjlighet att använda teckenspråk. Ofta kan användaren välja upplösning mellan några standardvärden. Vanliga värden är 352*288 punkter (kallas CIF Common Interchange Format) och 176*144 (kallas QCIF, quarter CIF ). Genom att välja en grövre bild (QCIF) får man en viss suddighet, men man brukar i stället kunna uppnå en högre bildväxlingshastighet. Bästa inställning för teckenspråk blir ofta en kompromiss mellan skärpa och mjuka rörelser. Tillverkarens uppgifter om upplösning i CIF och QCIF brukar vara korrekt och motsvara en upplösning i praktiken om 180 resp. 90 linjer över bildens bredd. Därför är det att vänta att vid inställning på CIF så bör resultatet från denna mätning bli att 160 linjer syns men knappast 240, och att vid QCIF så syns 80 linjer men inte 160. Upplösningen 160 linjer är bra för teckenspråk. Man kan då se detaljer tillräckligt bra. Man kan också vara upp till 4 personer i bild och teckenspråket kan avläsas, även om det blir med ett visst besvär. Upplösningen 80 linjer är godtagbar för teckenspråk om bara en person är i bild. De finaste detaljerna, som blickriktningar kan gå förlorade, varför denna upplösning ger en risk för missförstånd.

8 (Upplösningen 320 linjer är mer än vad en VHS-video klarar. Om man använder mätvideon i VHS-version skall man därför inte vänta sig att se några streck i 320-linjers fältet ens i originalet. ) Uppgift: Avläs talet vid det mest finrandiga fält där ränderna kan urskiljas. Detta är antal linjer över bildbredden som videotelefonen praktiskt kan återge vid stillastående bild. Avläs siffrorna vid de bilder av en person där fingrar ögon och mun kan urskiljas. Siffrorna anger grovt hur många personer som kan finnas i bild i ett teckenspråkssamtal. 6. Blur, suddighet på detaljer i rörelse. Tre sekvenser med gradvis ökad rörelse, som kan visa om videotelefonerna introducerar extra oskärpa på detaljer i rörelse. Vissa kodningsmetoder ger extra suddighet på detaljer i rörelse, andra ger extra suddighet i hela bilden när det är mycket rörelse i den. Här görs mätningen genom att avgöra i vilka sekvenser som fingrar och ögon kan urskiljas. Tre sekvenser visas. Den första är märkt 1 och har visar tecken med ett finger. Den andra är märkt 2 och visar tecken med två fingrar. Den tredje är märkt 3 och visar tecken med 5 fingrar. För bra möjlighet att avläsa teckenspråk behöver alla tre sekvenserna visas skarpt. En viss minskad upplösning under rörelse kan tolereras i användbara terminaler. Om detaljerna blir suddiga under rörelsen blir terminalen svår att använda för teckenspråk, och om de blir omöjliga att urskilja så blir videotelefonen omöjlig att använda för teckenspråk. Uppgift: Avgör om fingrar, mun och ögon återges skarpt, nästan skarpt, suddigt eller ej uppfattbart under rörelsen med hela händerna. 7. Sync, synkronism mellan ljud och bild. En sekvens med ljud som skall visa om ljud och bild återges samtidigt eller med tidsförskjutning. På videon finns en sifferskala som ändras, och visar tiondels sekunder. När skalan visar 0, sänds ett slagljud. Genom att titta på skalan och avgöra vilken siffra som visas när ljudet hörs får man värdet på synkroniseringsavvikelsen i tiondels sekunder. (ljudet kan göras synligt eller kännbart för döva som vill utföra mätningen med hjälp av t.ex. en bandspelare med mikrofon och styrkeindikator). Detta värde har ingen betydelse i teckenspråkssammanhang. Men om utrustningen skall användas för läppavläsning så är det viktigt att synkroniseringsfelet inte är större än 0,1 sekunder. Uppgift: Låt ljud och bild gå genom videotelefonsystemet. Avläs vilken siffra som syns när slagljudet hörs. Siffran anger synkroniseringsfelet i tiondels sekunder. 8. Lip-reading, för bedömning av läppavläsning. En sekvens som kan användas för subjektiv bedömning av användbarhet vid läppavläsning. Läppavläsning har visat sig behöva 15 bilder per sekund och upplösning minst QCIF. Uppgift: Bedöm subjektivt om läpprörelserna ser tillräckligt skarpa och kompletta ut för att ge något stöd för läppavläsning. 9. Delay, bildfördröjning. En sekvens med ljud som skall användas för att mäta den fördröjning som uppkommer från det att kameran har registrerat en rörelse tills den återges på mottagarens skärm. En stor fördröjning kan införa svårigheter i turtagning och konversationssignalering i samtal. Här skall man lyssna p E5 ljudet direkt från sändande videospelare och jämföra med bilden från den andra videotelefonen. En föränderlig skala visas som anger tiden i tiondels sekunder. I den sändande videon hörs ett slagljud när skalan passerar noll. Fördröjningen får man från den siffra som syns i bild när slagljudet hörs. Det är inte ovanligt att fördröjningar på 0,4-0,6 s uppstår. Fördröjningar under 0,5 s är bra. Fördröjningar från 0,5 sek upp till 1,2 sek kan tolereras. Fördröjningar över 1,2 sek är så hämmande på konversationen att videotelefonen känns oanvändbar. Uppgift: Koppla ljudet så att det hörs direkt från den uppspelande videospelaren utan att gå genom videotelefonen. Avläs vilken siffra som syns när slagljudet hörs. Siffran anger bildfördröjningen i tiondels sekunder.

9 Kvalitetsprofilen De uppmätta värdena kan åskådliggöras i en kvalitetsprofil. Den ger en samlad bild av de viktigaste kvalitetsparametrarna. Här finns också en indelning i de subjektiva kvalitetsmåtten Oanvändbar, Svåranvänd, Godtagbar och Bra. Det finns också plats för notering av mätobjekt och viktiga förhållanden vid mätningen. Här visas en tom kvalitetsprofil. I kapitlet Erfarenheter av utförda mätningar nedan finns exempel på ifyllda kvalitetsprofiler. Krav på videotelefoner för teckenspråksanvändning Med de behov som redovisats och den mätmetod som utvecklats för att ta fram kvalitetsparametrar ur ett videotelefonsystem kan man nu summera kraven på videotelefoni för teckenspråksanvändning. Här tas även yttre krav på utrustningen med. Krav på kvaliteten i teckenspråksöverföringen Bildväxlingstakt Måste mätas med teckenspråk i bild. Ibland finns en möjlighet att prioritera mellan hög bildväxlingstakt och hög skärpa vid rörelse. För teckenspråk brukar då bäst kvalitet erhållas med prioritet för bildväxlingstakt. Godtagbart: bilder per sekund Bra: 20 bilder per sekund eller mer. Statisk upplösning Detta är ofta en inställbar parameter, där man väljer mellan CIF och QCIF (och ev. SQCIF). QCIF är godtagbart, CIF är bra. För gruppsamtal fordras CIF. Mätt i antal urskiljbara vertikala linjer är Godtagbart:80 linjer. (Brukar uppnås med QCIF)

10 Bra:160 linjer. (Brukar uppnås med CIF) Suddighet på detaljer i rörelse Vid rörelse uppträder ibland extra oskärpa. Med tecken som görs med båda händerna är det godtagbart om fingrar och ögon är nästan skarpa, dvs fortfarande lätt urskiljbara, bra om de är skarpa., dvs ej förändrade från skärpan i stillastående bild. Synkroniseringsfel bild-ljud Om videotelefonen skall användas som stöd med läppavläsning av tal så måste ljud och bild vara synkroniserade. Avvikelse <0,2 sekunder är godtagbart, <0,1 sekunder är bra. Bildfördröjning Fördröjningen av bilden från kamera hos den tecknande till visning hos mottagaren får inte vara för lång för att dialogen skall flyta smidigt. <1,2 sekund är godtagbart <0,5 sekunder är bra. Andra krav av betydelse för teckenspråksanvändning För att ge en samlad bild av vad som har betydelse vid teckenspråksanvändning ges här en översikt över några viktiga övriga krav. Kommunikationsstandard För att kunna kommunicera med andra videotelefoner och videoförmedlingstjänsten är det viktigt att videotelefonen följer standard för kommunikation. För ISDN är det videotelefonstandard H.320 som rekommenderas. För Lokala nät och Internet är det videotelefonstandard H.323 som rekommenderas. För vanliga telefonnätet är det videotelefonstandard H.324 som rekommenderas, men ännu har ingen produkt godtagbar för teckenspråk presenterats för detta nät. Videoförmedlingstjänsten i Sverige använder ISDN 128 kbit/s och H.320 med videokodning H.263. Ljudkodning Vid användning i ISDN-nät finns flera ljudkodningar att välja inom videotelefonstandarden H.320. Om ISDN 128 kbit/s används är det viktigt för teckenspråkskvaliteten att så stor del av bandbredden som möjligt används till video. Därför skall man kunna ställa in ljudkodnng G.728 som endast tar 16 kbit/s till ljudet. Om man har möjlighet att helt utesluta ljudet kan man uppnå något högre kvalitet på teckenspråksöverföringen. Överföringskapacitet och nätförbindelse En nätförbindelse behövs som ger tillräcklig överföringskapacitet för att uppnå önskad kvalitet. Med de bästa nu tillgängliga produkter och standards behövs 128 kbit/s för att uppnå godtagbar kvalitet och 384 kbit/s för att uppnå bra kvalitet. Just nu är 128 kbit ISDN det mest spridda för teckenspråk. För att nå de flesta samtalspartners med godtagbar kvalitet bör man använda denna hastighet och nätförbindelse. Varseblivning Videotelefonen skall vara utrustad med anslutning för varseblivningsanläggning som kan ge optisk eller vibrerande signal vid inkommande anrop till videotelefonen. Kraven på varseblivningsanläggning varierar, därför bör en sådan anslutning finnas även om videotelefonen själv är försedd med t.ex. optisk ringsignalindikering. En godtagbar utformning är en tvåpolig anslutning som blir lågohmig (<50 W) vid ringsignal och annars är högohmig (<10mA vid <50 V). Bildskärm För användning av en till två personer på normalt betraktningsavstånd cm är en skärmstorlek med mått mellan 15 och 40 cm från hörn till hörn lämplig. Bakgrund Bakgrunden hör inte till videotelefonen, men för god återgivning av teckenspråk skall man ha en jämn medelljus bakgrund. Bakgrunder med mycket detaljer tar kraft från videokodningen och tenderar att sänka kvaliteten på teckenspråksöverföringen.

11 Bildvinkel Bildvinkeln bör vara sådan att man på bekvämt betraktningsavstånd själv syns från hjässa till midja. För god ögonkontakt är det bäst med kameran mitt i skärmen, men acceptabelt med kameran nära skärmens kant. Indikationer under uppkoppling Indikationer om hur uppkopplingen går skall ges visuellt, t.ex. med textmeddelanden Detta gäller även orsaker till ev. misslyckade uppkopplingsförsök. Erfarenheter av utförda mätningar För att verifiera mätmetoden har den använts på olika system och nätförbindelser. Ett antal av dessa ingick i verifieringen med försökspersoner. Därmed har de olika kvalitetsfaktorernas betydelse för teckenspråkskommunkationen belysts. Här redovisas de kvalitetsprofiler som uppmättes, med några kommentarer. Verifieringen beskrivs i en annan rapport: Kvalitetskrav på Videotelefoni för Teckenspråkskommunikation; Verifiering av kvalitetskrav. Förbehåll: Mätningarna är inte avsedda att vara produktbedömningar, de är avsedda att illustrera kvalitetsbehov och kvalitetsmätningar. Värdena gäller endast de versioner av produkterna som mätningarna gjordes på. Vid versionsändringar kan kvalitetsförändringar införas. Följande situationer har mätts och verifierats med försökspersoner. (Zydacron, Intel, BOCA, Picturetel, Alcatel och Tandberg är varumärken för företag med samma namn) Nr Märke och typ Nät Upplösning Ljud 1 Zydacron OnWan250 ISDN 56 Kbps QCIF G Zydacron OnWan250 ISDN 64 Kbps CIF G Zydacron OnWan250 ISDN 64 Kbps QCIF G Zydacron OnWan250 ISDN 128 Kbps CIF G Zydacron OnWan250 ISDN 128 Kbps QCIF G Zydacron OnWan250 LAN 384 Kbps QCIF G Zydacron OnWan250 LAN 384 Kbps CIF G.728 Detta är videotelefonsatser som i proven satt i persondatorer med Intel Pentium 166 processor. Bildtelefonsatsen var av version Videokodningen var av standard H.261. Ljudkodning enligt G.728 tar 16 kbps av den tillgängliga bandbredden för kommunikation. Vid förbindelse genom lokalt nät (LAN) användes Ethernet 10Mbps. Mätningen gjordes innan någon produkt fanns tillgänglig för standard H.323 som är avsedd för kommunikation genom LAN. Den gick i stället genom LAN-inkapslad H.320 från en tredjepartsleverantör. Denna kommunikation genom AN visade sig i testinstallationen ge kraftiga begränsningar och gav möjlighet att observera effekten av långa bildfördröjningar. Kommunikationen genom ISDN berördes inte av dessa begränsningar. Ytterligare några utrustningar och kommunikationssituationer har uppmätts men ej provats med försökspersoner. Nr Märke och typ Nät Upplösning Ljud 8 Zydacron Z.200 ISDN 384 kbps CIF G Picturetel PCS 50 ISDN 128 kbps CIF Utan 10 Picturetel Concorde 4500 ISDN 384 kbps CIF PT Alcatel 2838 ISDN 128 kbps QCIF G BOCA Videophone Modem 28,8 kbps QCIF G Tandberg Vision 600 (A1 Beta 1) ISDN 128 kbps CIF G Tandberg Vision 600 (A1 Beta 1) ISDN 128 kbps QCIF Utan 15 Tandberg Grand Vision 2000 ISDN 128 kbps CIF G Zydacron OnWan 250, ISDN 56 kbit/s QCIF.

12 2. Zydacron OnWan 250, ISDN 64 kbit/s CIF.

13 3. Zydacron OnWan 250, ISDN 64 kbit/s QCIF. 4. Zydacron OnWan 250, ISDN 128 kbit/s CIF.

14 5. Zydacron OnWan 250, ISDN 128 kbit/s QCIF. 6. Zydacron OnWan 250, LAN 384 kbit/s QCIF.

15 7. Zydacron OnWan 250, LAN 384 kbit/s CIF. 8. Zydacron Z200, ISDN 384 kbit/s CIF.

16 9. Picturetel PCS 50, ISDN 128 kbps CIF.

17 10. Picturetel Concorde 4500, ISDN 384 kbps CIF. 11. Alcatel 2838, ISDN 128 kbps CIF.

18 12. BOCA VideoPhone Elite, modem 28,8 kbit/s, QCIF. 13. Tandberg Vision 600, ISDN 128 kbps CIF.

19 14. Tandberg Vision 600, ISDN 128 kbit/s QCIF. 15. Tandberg Grand Vision 2000, ISDN 128 kbit/s CIF.

20 Omnitor AB Renathvägen Johanneshov Copyright. Omnitor AB. Alla rättigheter förbehållna. Telefon: Bildtelefon: Texttelefon (V.18): Texttelefon (V.21): Fax: