بازشناسی عمل انسانی مبتنی بر تصویر ساکن با استفاده از توصیف گر HOG و ماشین بردار پشتیبان

بازشناسی رفتار های انسانی در تصاویر از موضوعات مهم در تحقیقات بازشناسی الگو است. تاکنون تحقیقات زیادی در زمینهبازشناسی رفتار انسان در تصاویر ویدیویی انجام شده است ولی در این پژوهش، هدف، بازشناسی رفتار انسانی بر روی تصاویر ساکن است. به این منظور، ابتدا یک سری تصاویر، حاوی رفتارهای انسانی شامل 9 دسته عمل متفاوت، که هر دسته عمل شامل 25 تصویر می باشد از پایگاه داده پاسکال 2010 انتخاب می گردد. در روش پیشنهادی ما، پس از انتخاب تصاویر، جهت حذف ویژگی های غیرمفید که باعث کاهش دقت بازشناسی و سرعت پردازش الگوریتم می شود نیاز است تا پیشپردازش هایی همانند تغییر سایز تصویر، تبدیل تصاویر رنگی به خاکستری، حذف نویز، بهبود کنتراست لبه و غیره انجام شود. سپس با استفاده توصیف گر ساده HOG ویژگی های این تصاویر استخراج می شوند. برای آموزش شبکه با استفاده از ماشین بردار پشتیبان، SVM، ما ابتدا تصاویر را برچسب گذاری و سپس این بردار ویژگی ها با برچسب عمل مربوطه به ورودی SVM اعمال می شوند. SVM با توجه به داده های آموزش و برچسب آن ها یک مدل خلق می کند و با استفاده از داده های تست و آن مدل ایجاد شده توسط SVM، عملکرد الگوریتم پیشنهادی مورد ارزیابی قرار می گیرد. در نهایت نتایج شبیه سازی نشان میدهد که روش پیشنهادی ما توانسته است دقت، صحت و حساسیت را نسبت به روشهای موجود بهبود ببخشد.

کلیدواژه ها:

بازشناسی الگو ، بازشناسی عمل انسانی ، توصیف گر HOG ، ماشین بردار پشتیبان