تشخیص جنسیت افراد براساس مدل راه رفتن آن ها از زاویه دید جلویی
محل انتشار: سومین کنفرانس ملی و اولین کنفرانس بین المللی پژوهش هایی کاربردی در مهندسی برق، مکانیک و مکاترونیک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,777
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF03_0528
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
مقاله حاضر قصد دارد تا تشخیص جنسیت افراد از زاویه دید جلویی را بررسی کند. در این تحقیق یک روش مناسب برای تشخیص جنسیت براساس راه رفتن افراد از دید جلویی، با استفاده از موقعیت های تخمینی از حرکت نقاط اسکلتی بدن آن ها ارائه می شود. چندین مختصات اسکلتی در سه جهت مختصاتی برای هر فرد از زاویه دید روربرو به دست می آید. سپس توسط تحلیل های آماری واریانس و در ادامه آن انحراف معیار، ویژگی های هر نقطه برای هر فرد استخراج می شود. در نهایت از یک دسته بندی کننده فازی برای طبقه بندی داده ها وتشخیص جنسیت استفاده می شود. این روش بر روی یک مجموعه داده که به وسیله دوربین Microsoft Kinect تهیه شده است، ارزیابی می شود. این پایگاه داده در یک محیط معمولی و از راه رفتن تعدادی نمونه زن و مرد ایجاد شده است. تعداد 10 زن و 10 مرد در این پایگاه داده شرکت کرده و برای آموزش و آزمایش مورداستفاده قرار می گیرند. برای هر شخص 4 تناوب راه رفتن در جهت رو به دوربین فیلم برداری شده است. نمونه های آزمایش با استفاده از دو روش بیرون کردن یک نمونه و بیرون کردن یک تناوب مورد ارزیابی قرار می گیرند. به منظور مقایسه روش پیشنهادی با روش ارائه شده در یکی از پژوهش های قبلی، هر دو روش پیاده سازی شده و نتایج به دست آمده مبین کارآیی بیشتر روش پیشنهادی می باشد.
کلیدواژه ها:
نویسندگان
علی احسان فر
دانشجوی کارشناسی ارشد مهندسی برق- الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان
هادی سلطانی
دانشیار گروه الکترونیک دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان
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 مقاله لینک شده اند :