شناسایی رفتار انسان از ویدئو های عمقی به کمک یادگیری گروهی
محل انتشار: نهمین کنفرانس ماشین بینایی و پردازش تصویر ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 875
فایل این مقاله در 6 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:
ICMVIP09_052
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
این مقاله در حوزه بازشناسی رفتار انسان - تدوین شده است و به بررسی سه دسته از ویژگیهای بهدستآمده از ویدئوهای عمقی، شامل ویژگیهای رنگی، توالی نقشههای عمقی و اسکلت بهدستآمده از تصاویر عمقی، میپردازد. در ابتدا نقاط کلیدی فضایی زمانی از - تصاویر استخراج شده و سپس از روش HOG برای استخراج ویژگی استفاده میشود. همچنین فاصله مفاصل از یکدیگر و زاویه مفاصل محاسبهشده و به عنوان ویژگی،مورد آزمایش قرار میگیرند. در نهایت برای کلاسبندی از رویکردهای یادگیری گروهی استفاده شدهاست. به این ترتیب که هر دسته از ویژگیهای مطرح شده به یک طبقه بند SVM داده شدهاست، میانگین میزان دقت تشخیص حرکات بر روی مجموعه داده MSR Daily Activity 3D ۹۲% ، به دست آمده است که نسبت به بهترین روش ارائهشده بر روی این مجموعه داده، ۳.۲ % بهبود داشتهاست. نوآوری قابلتوجه در این کار، استفاده از ویدئوهای عمقی به جای RGB و ترکیب ۳ دسته ویژگی متفاوت در شناسایی رفتار است.
کلیدواژه ها:
نویسندگان
حمیدرضا شایق بروجنی
دانشگاه تربیت دبیر شهید رجایی، دانشکده مهندسی کامپیوتر
نگار رواسانی
دانشگاه تربیت دبیر شهید رجایی، دانشکده مهندسی کامپیوتر
سید حامد میرسعیدی
دانشگاه تربیت دبیر شهید رجایی، دانشکده مهندسی کامپیوتر