تشخیص وضعیت بدن انسان در تصاویر ویدوئویی بکمک ماشین بردارهای پشتیبان (SVM)
- سال انتشار: 1383
- محل انتشار: دوازدهیمن کنفرانس مهندسی برق ایران
- کد COI اختصاصی: ICEE12_094
- زبان مقاله: فارسی
- تعداد مشاهده: 1490
نویسندگان
آزمایشگاه پردازش تصویر و شناسایی الگو ، دانشکده مهندسی کامپیوتر و فنا
آزمایشگاه پردازش تصویر و شناسایی الگو ، دانشکده مهندسی کامپیوتر و فنا
چکیده
سیستمهای نظارت خودکار در آینده نقش مهمی را در جایگزینی ماشین بجای انسان بازی خواهند کرد . اولین مساله مهم در این سیستم ها تشخیص وضعیت بدن انسان در تصاویر است . ما در این مقاله سیستمی مبتنی بر ماشین بردارهای پشتیبان (SVM) ارائه می دهیم که در آن از تعدادی تصویر نمونه افراد مختلف در وضعیتهای متفاوت ، برای آموزش سیستم استفاده می کنیم . چند راهکار مختلف برای پیاده سازی SVM معرفی شده است . نتایج حاکی از آنست کهSVM ها دسته بندی را بصورت بهینه و با درصد خطای بسیارکم انجام داده و برای کارهای بلادرنگ مناسب می باشند . در سیستم پیاده سازی شده علاوه بر افزایش درصد تشخیص صحیح ، با استفاده از ویژگیهای مبتنی بر رنگ و گشتاور نقاط تصویر توانسته ایم محدودیت فاصله ، محیط تصویر برداری (مکان باز یا بسته) و اندازه تصویر را تا حدود زیادی کاهش بدهیم .کلیدواژه ها
ماشین بردارهای پشتیبان ، تشخیص وضعیت بدن انسان ، گشتاورهای مقیاس شدهمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.