ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Hierarchical Least Square Twin Support VectorMachines Based Framework for Human ActionRecognition

سال انتشار: 1390
کد COI مقاله: ICMVIP07_109
زبان مقاله: انگلیسیمشاهد این مقاله: 1,052
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Hierarchical Least Square Twin Support VectorMachines Based Framework for Human ActionRecognition

Kourosh Mozafari - Department of Electrical and computer EngineeringTarbiat Modares UniversityTehran, Iran
Nasrollah Moghadam Charkari - Department of Electrical and computer EngineeringTarbiat Modares UniversityTehran, Iran
Jalal A. Nasiri - Department of Electrical and computer EngineeringTarbiat Modares UniversityTehran, Iran
Saeed Jalili - Department of Electrical and computer EngineeringTarbiat Modares UniversityTehran, Iran

چکیده مقاله:

The aim of this paper is presentation of a new humanaction recognition framework. In the proposed framework, localspace-time features extracted by use of Harris detector algorithmand Histogram of Optical Flow (HOF). A new classifier based ontwo non-parallel hyperplanes called Twin Support VectorMachines (TWSVM) is used which is four times faster thanclassical SVM. According to the prior knowledge that two classesof human action recognition (jogging and running) are verysimilar and recognition of these classes are difficult, ahierarchical structure is used for better recognition. We appliedour method to KTH dataset to investigate the performance of theproposed action recognition approach. Our experimental resultshown that our approach improves state-of-the-art results byachieving 98.33%, 96.39% in case of leave-one-out and 10-foldcross validation.

کلیدواژه ها:

Action Recognition; Twin Support Vector Machines;Histogram of Optical Flow (HOF); Harris; PCA; KTH dataset;

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/159143/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Mozafari, Kourosh و Moghadam Charkari, Nasrollah و Nasiri, Jalal A. و Jalili, Saeed,1390,Hierarchical Least Square Twin Support VectorMachines Based Framework for Human ActionRecognition,هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران,تهران,,,https://civilica.com/doc/159143

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390, Mozafari, Kourosh؛ Nasrollah Moghadam Charkari و Jalal A. Nasiri و Saeed Jalili)
برای بار دوم به بعد: (1390, Mozafari؛ Moghadam Charkari و Nasiri و Jalili)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • _ _ _ action recognition; Image _ _ _ _ ...
  • P. Scovanner, et al., "A 3-dimensional sift descriptor and its ...
  • _ _ al, "A _ _ _ Conference on, 2007, ...
  • Conference on, 2009, pp. 128-135. ...
  • I. Laptev, et al., "Learming realistic human actions from movies, ...
  • Reviews, IEEE Transactions on, vol. PP, pp. 1-11, 2011. ...
  • Figure 5. Accuracy rates for various values of penalty factor. ...
  • Our approach Our approach Our approach Our approach Zhang et ...
  • (PCA 1000) - (PCA 2000) - (PCA 1000) - (PCA ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 26,967
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی