بازشناسایی فعالیت های فیزیکی انسان با استفاده از بینایی ماشین مبتنی بر یادگیری و تقطیع تصاویر

پژوهش حاضر به بازشناسایی فعالیت های فیزیکی انسان با استفاده از بینایی ماشین مبتنی بر یادگیری و تقطیع تصاویر می پردازد. ساختار کلی زمینه تحقیقاتی باز شناسایی فعالیت انسان با استفاده از بینایی ماشین مبتنی بر یادگیری و تقطیع تصاویر به سه بخش اصلی استخراج ویژگی ،آموزش دیکشنری و دسته بندی تقسیم می شود. در این مقاله برای استخراج ویژگی از الگوریتم stip استفاده شده است. برای استخراج ویژگی نیاز مند پایگاه داده می باشیم که در پروژه ما از پایگاه داده UFC101 استفاده شده است. آموزش گام مهمی است که به منظور تشکیل یک نمایش از فعالیت مبتنی بر ویژگیهای استخراج شده انجام میشود،روش پیشنهادی آموزش در ویژگیهای سطح پایین بردارفیشر نام دارد. از الگوریتم CCA برای کاهش بعد در این پروژه استفاده شده که الگوریتم CCA الگوریتمی شناخته شده با ناظر، در کاهش بعد است. پس از استخراج ویژگی و آموزش دیکشنری، نوبت به دستهبندی ویژگیها است. روش دسته بندی مورد استفاده روش SVM می باشد که در بسیاری از زمینه های دیگر بینایی ماشین همچون شناسایی چهره و اشیا کاربرد دارد.

کلیدواژه ها:

الگوریتم CCA ، مکانیزم عصبی ، Fisher Vector ، روش SVM