به کار گیری یادگیری عمیق در بازشناسی رفتار انسان در ویدیو

در این مقاله روش پیشنهادی مبتنی بر یادگیری اختلاف حرکت با استفاده از یادگیری عمیق می باشد به صورتیکه ابتدا فریم های تصویر از ویدیو به دست می آیند و با استفاده از تفاوت حرکت در فریم های متوالی تصویر جدید ایجاد شده است. در این تصویر جدید پیکسل های مثبت و منفی وجود دارند که یک نگاشت برجسته زمانی مکانی ساده برای یک فعالیت حرکتی انسان را اریه می دهند. سپس از یکی از مدل ها در یادگیری عمیق به نام شبکه باور عمیق که دارای بلوک سازنده ای به نام ماشین بولتزمن دارد استفاده کرده ایم که ما در این مقاله از ماشین بولتزمن محدود کوسین برای یادگیری این فعالیت های انسانی استفاده می شود و این ویژگی های حرکتی یاد گرفته می شوند. در این جا از نزدیک ترین همسایه برای تبدیل این ویژگی ها به لغات بصری استفاده می شود و هر ویدیو به صورت بسته ای از لغات باز نمایش می شود. سپس از کلاسیفایر بیزین ساده و PLSA برای کلاس بندی تصاویر مستخرج از ویدیو ابتدایی استفاده می شود. با توجه به تست این روش بر دو مجموعه داده ی بسیار پرکاربرد در حوزه بازشناسی رفتار شامل مجموعه داده KTH و Weizmann به نتایج چشم گیری در این زمینه رسیده ایم. در مجموعه داده KTH ما به دقت 93.71 رسیدیم که در مقایسه با کارهای اخیر دقت بسیار قابل قبولی به شمار می رود. در مجموعه داده Weizmann ما به دقت98.81 رسیدیم که این دقت بسیار نزدیک به دقت انسان است.

کلیدواژه ها:

بازشناسی رفتار انسان ، ویدیو ، یادگیری عمیق ، شبکه باور عمیق ، ماشین بولتزمن محدود گوسین ، softmax ، ، PLSA ، کلاس بندی کننده ، بیزین ساده