تشخیص فعالیت انسانی مبتنی بر یادگیری عمیق با استفاده از داده های حسگر

شناسایی فعالیت انسانی به فرآیند تشخیص و طبقه بندی فعالیت های انسانی از داده های حسگرهای مختلف با استفاده از هوش مصنوعی اشاره دارد. این فناوری، که طی چند دهه اخیر پیشرفت چشمگیری داشته، در کاربردهایی مانند نظارت تصویری، شناسایی افراد، اتوماسیون خانه های هوشمند و تعامل انسان و کامپیوتر موثر است. همچنین، در دوربین های نظارتی، سرعت بالای تشخیص فعالیت ها می تواند جرایمی چون سرقت را کاهش دهد. مدل های یادگیری عمیق مانند شبکه های عصبی کانولوشنال (CNN ) برای استخراج و طبقه بندی ویژگی ها استفاده می شوند. این شبکه توسط الگوریتم بهینه سازی ازدحام ذرات بهینه می شود. این پژوهش با استفاده از یادگیری عمیق و مجموعه داده Wiezmann، روش پیشنهادی را شبیه سازی و با سایر روش ها مقایسه می کند.

کلیدواژه ها:

واژه های کلیدی : تشخیص فعالیت انسانی ، یادگیری عمیق ، شبکه های عصبی کانولوشنال ، الگوریتم بهینه سازی ازدحام ذرات.