بهبود بازشناسی رفتار انسان از طریق ژست های بدن با بهکار گیری تبدیل کسینوسی گسسته

بازشناسی رفتار انسان یکی از موضوعات مهم در بینایی ماشین است و کاربردهای زیادی در رباتیک، نظارت ویدیویی طراحی واسط کاربر دارد. در این مقاله از ترکیب نمایش سراسری و محلی جهت توصیف رفتار استفاده شده است ازbag-of-correlated- poseتوصیف محلی رفتار استفاده شده که بیانگر وابستگی بین Silhouette ها در توالی ویدیویی است تصویرتاریخچه حرکت توسعه یافته بهعنوان توصیف گر سراسری مطرح شده و بیان کاملی از اطلاعات کلی رفتار استSilhouetteفریمهای توالی ویدیو بهعنوان ویژگیهای ورودی توصیف گرها درنظر گرفته می شوند. در این مقاله بهدلیل بالا بودن ابعاد بردار ویژگی از تبدیل کسینوسی گسستهDCT)بهعنوان روشی برای کاهش بعد استفاده شده است. فشردهسازی دادهها اصلیترین ویژگی DCTاست درنتیجه با انتخاب تعداد کمی از ضرایب آن، قادر به بازیابی درصد زیادی از اطلاعات خواهیم بود. ما تعداد ضرایبی را بهکار بردیم که 89 درصداطلاعات بردار را حفظ کند، بههمین دلیل این روش نسبت به روشهای پیشین در پایگاه دادهIXMASبهبود قابل ملاحظه ای داشته و میانگین نرخ شناسایی رفتار را به89/84رسانده است

Keywords:

بازشناسی رفتار , توصیف گر محلی , توصیف گر سراسری , تبدیل کسینوسی گسسته , silhouette