ویژگیهای نهفته در فضای پیچش زمانی پویا برای بازشناسی کنش با استفاده از داده های سنسور کینکت

هدف از این مقاله، بازشناسی کنش افراد با استفاده از اطلاعات سری­های زمانی استخراج شده از دنباله ­های اسلکتی به منظور استفاده در سامانه ­های مانیتورینگ فعالیت­های روزمره ­ی انسانها می­باشد. به این منظور، هر کنش به صورت یک سری زمانی چند بعدی بیان شده و سپس با استفاده از مفهوم "شبه کرنل مبتنی بر فاصله­ ی پیچش زمانی پویا" به یک فضای برداری نگاشت می­گردد. در ادامه، به منظور استفاده از نسبت همبستگی-تمایز دنباله­ ها در پروسه­ ی شناسایی، این فضای برداری توسط روش فیشر تنظیم شونده به یک فضای تمایزی نگاشت شده و تصمیم گیری نهایی در خصوص محتوای حرکت در فضای حاصل انجام می­پذیرد. بر خلاف سایر روش های کرنلی موجود، الگوی همترازی حاصل از پیچش زمانی، موجب می­شود تا اثر شیفت، و انقباض و انبساط های زمانی دنباله­ ها در فضای کرنل به کمترین میزان ممکن کاهش یابد. همچنین، روش ما پیچیدگی­ های محاسباتی و محتوایی موجود در استخراج ویژگی­ های استاتیک و دینامیک دنباله­ های حرکتی را حذف نموده و در مقابل، آنها را در قالب الگوی همترازی در فضای برداری کرنل مورد استفاده قرار می­دهد. نتایج ارزیابی­ ها بر روی سه پایگاه داده­ی معروف TST، UTKinect و UCFKinect، قابل رقابت بودن عملکرد روش ارائه شده با برترین روشهای موجود در بازشناسی کنشهای انسانی را نشان می­دهد.

ویژگیهای نهفته در فضای پیچش زمانی پویا برای بازشناسی کنش با استفاده از داده های سنسور کینکت Keywords:

شناسایی کنش , پیچش زمانی پویا , حقه کرنل , بیان ویژگی نهفته