رضا کیانی سام - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر،موسسه آموزش عالی کارون، اهواز، ایران
محمدرضا محمدرضایی - گروه مهندسی کامپیوتر، واحد رامهرمز، دانشگاه آزاد اسلامی،رامهرمز، ایران

امروزه شناسایی خودکار فعالیت انسان، در کاربردهای نظارتی و مراقبت بر افراد ناتوان بسیار ضروری میباشد. استفاده از دوربین های نظارتی و پردازش تصاویر حاصل شده سبب دستیابی به سیستمی هوشمند و دقیق برای شناسایی رفتار انسان میگردد. از آنجایی که تشخیص انسان در صحنه های متفاوت با چالش های زیادی همراه است، روشهای متعددی برای شناسایی فعالیت انسان از پردازش تصاویر ویدیویی ایجاد شده.اند در این راستا استفاده از الگوریتم های یادگیری عمیق به عنوان یکی از پیشرفته ترین و قدرتمندترین روش های پردازش تصویر، توانایی بالایی در تشخیص حرکات انسان و شناسایی فعالیت های وی دارد. این الگوریتم ها با استخراج ویژگی های پیچیده از تصاویر و یادگیری الگوهای حرکتی، قادر به تشخیص دقیق و پایدار رفتارهای انسان حتی در شرایط چالش برانگیز همچون تغییرات نوری، انسداد دید و ازدحام جمعیت هستند. برخی از این الگوریتم های پیشرفته یادگیری عمیق شامل شبکه های عصبی کانولوشنی، شبکه های LSTM و شبکه های تبدیل می باشند که هر کدام مزایا و محدودیت های خاص خود را دارند. با توجه به پیشرفت سریع این تکنولوژی ها و افزایش کاربردهای آنها در حوزه های مختلف، مطالعه و بررسی جامع این زمینه به محققان و توسعه دهندگان کمک شایانی می نماید تا بتوانند چالش های موجود را شناسایی و راهکارهای نوینی برای توسعه این سیستم ها ارائه دهند.

تشخیص حرکت، یادگیری ماشین، استخراج ویژگی، الگوی حرکتی