تشخیص حرکت انسانی با استفاده از روش های یادگیری عمیق به همراه تلفیق های با ناظر

با پیشرفت علم و گسترش روزافزون هوش مصنوعی، شناخت حرکات انسانی توسط رایانه ها به یک زمینه ی تحقیقاتی مهم تبدیل شده است. تشخیص حرکت به دلیل پیچیدگی حرکت انجام شده، شرایط آب و هوایی ناپایدار، شدت نور و تغییر زاویه دید دوربین با چالش های فراوانی روبه رو می باشد. برای نمایش حرکت، از دو نوع داده کارا و مفید ساختار اسکلتی بدن و ویدیو رنگی حاصل از دوربین کینکت استفاده می شود که در این مقاله مختصات اسکلت بدن علاوه بر دوربین کینکت با استفاده از روش های نوین یادگیری عمیق با دقت بالا تولید شده است. با استخراج ویژگی های تاثیرگذار از هر نوع داده به کمک روش های به روز ریاضیاتی و شبکه های عصبی، تشخیص حرکت با هر کدام از آن ها انجام می شود. هر یک از این نوع داده ها، به تنهایی قادر به ارائه ی اطلاعات خاص و متفاوت از حرکت انسان می باشند. در مرحله دوم این پژوهش، به هدف بهره گیری از ویژگی های هر دو نوع داده در کنار هم، از دو روش کارآمد تلفیق با نظارت MFA و BGLPCCA برای شناسایی حرکت انسانی استفاده می گردد. روش پیشنهادی پژوهش حاضر، چارچوبی برای تشخیص حرکت با یک نوع داده و چندین نوع داده است و دلیل برتری آن کسب مقدار صحت بالا در زمینه تشخیص حرکات انسانی می باشد.

کلیدواژه ها:

شناخت حرکات انسانی ، ساختار سه بعدی اسکلت بدن ، ویدیو رنگی ، استخراج ویژگی ، تلفیق ویژگی ، یادگیری عمیق