سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

استخراج ویژگی جدید معنایی مبتنی بر خوشه بندی تصویر برای تشخیص رفتار انسان در ویدیو

Publish Year: 1390
Type: Conference paper
Language: Persian
View: 2,464

This Paper With 7 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

ICMVIP07_151

Index date: 18 August 2012

استخراج ویژگی جدید معنایی مبتنی بر خوشه بندی تصویر برای تشخیص رفتار انسان در ویدیو abstract

برای تشخیص رفتار انسان در ویدیو، استخراج ویژگی از فریم های متوالی و ایجاد توصیف کننده حرکتی مناسب، یکی از گام های بنیادین و اولیه است. در این مقاله، روش جدیدی برای استخراج ویژگی معنایی، مبتنی بر خوشه بندی تصویر، معرفی می شود که قادر به تولید توصیف جامع و مانعی از موقعیت اجزای بدن انسان است. خوشه بندی تصویر به نحوی انجام می گیرد که مرکز خوشه ها تقریب خوبی از مرکز ثقل اجزای بدن باشند. به این ترتیب، موقعیت هریک از اجزای بدن با دقت مناسب شناسایی شده و بردار ویژگی نهایی تولید می شود. این ویژگی، در تعامل با دسته بندی کننده بر مدل مخفی مارکوف، نرخ صحت و دقت خوبی را در آزمایش های انجام شده نشان داده است. نتایج حاصله، با دیگر ویژگی معنایی مطرح مقایسه شده و درباره نتایج آن بحث شده است

استخراج ویژگی جدید معنایی مبتنی بر خوشه بندی تصویر برای تشخیص رفتار انسان در ویدیو Keywords:

استخراج ویژگی جدید معنایی مبتنی بر خوشه بندی تصویر برای تشخیص رفتار انسان در ویدیو authors

امیر فرید امینیان

مدرس دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر، آزمایشگاه پ

محسن سریانی

دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر، آزمایشگاه پردازش

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
G. Johansson, Visual perception of biological motion and a model ...
T.B. Moeslund, A. Hilton, V. Kruger, _ Survey of advances ...
D. Marr, L. Vaina, Representation and recognition of the movements ...
acquired by uncalibrated moving cameras, International Conference on Computer Vision, ...
models for complex action recognition, Conference on Computer Vision and ...
L. Wang, D. Suter, Recognizing human activities from silhouettes: motion ...
A.F. Bobick, J.W. Davis, The recognition of human Analysis and ...
A. Yilmaz, M. Shah, Actions sketch: a novel action Recognition, ...
R. Polana, R. Nelson, Low level recognition of human IEEE ...
R. Cutler, M. Turk, View-based interpretation of real-time optical flow ...
Y. Wang, P. Sabzmeydani, G. Mori, Semi-latent dirichlet allocation: a ...
E. Yu, J. K. Aggarwal, Human Action Recognition with Extremities ...
H. Fujiyoshi, A. Lipton, Real-time human motion analysis by image ...
E. Yu, J. K. Aggarwal, Detection of fence climbing from ...
Y. Liang, S. Shih, A. Shih, H. Liao, C. Lin, ...
Available :http ://www.is _ sinica. edu _ tw/ulin/B ehavior ...
نمایش کامل مراجع

مقاله فارسی "استخراج ویژگی جدید معنایی مبتنی بر خوشه بندی تصویر برای تشخیص رفتار انسان در ویدیو" توسط امیر فرید امینیان، مدرس دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر، آزمایشگاه پ؛ محسن سریانی، دانشگاه علم و صنعت ایران، دانشکده مهندسی کامپیوتر، آزمایشگاه پردازش نوشته شده و در سال 1390 پس از تایید کمیته علمی هفتمین کنفرانس ماشین بینایی و پردازش تصویر ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله پردازش ویدیو، تشخیص رفتار انسان، استخراج ویژگی معنایی، مدل مخفی مارکوف، قطعه بندی تصویر، خوشه بندی تصویر هستند. این مقاله در تاریخ 28 مرداد 1391 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 2464 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که برای تشخیص رفتار انسان در ویدیو، استخراج ویژگی از فریم های متوالی و ایجاد توصیف کننده حرکتی مناسب، یکی از گام های بنیادین و اولیه است. در این مقاله، روش جدیدی برای استخراج ویژگی معنایی، مبتنی بر خوشه بندی تصویر، معرفی می شود که قادر به تولید توصیف جامع و مانعی از موقعیت اجزای بدن انسان است. خوشه بندی تصویر ... . برای دانلود فایل کامل مقاله استخراج ویژگی جدید معنایی مبتنی بر خوشه بندی تصویر برای تشخیص رفتار انسان در ویدیو با 7 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.