شناسایی رفتار انسان از ویدئوهای عمقی به کمک الگوریتم زیرفضای تصادفی

این مقاله در حوزه بازشناسی رفتار انسان تدوین شده است و به بررسی سه دسته از ویژگی های به دست آمده از ویدئوهای عمقی می پردازد. این ویژگی ها عبارتند از: مختصات مفاصل بدن انسان در دنیای واقعی ( فضای 3 بعدی )، مختصات مفاصل بدن انسان در صفحه نمایش ( فضای 2 بعدی ) و عمق مفاصل. در ابتدا از هر ویدئو، 6 فریم کلیدی جدا شده، سپس ویژگی های ذکر شده، از تمامی فریم های کلیدی استخراج می شوند. در نهایت برای کلاس بندی، از الگوریتم زیرفضای تصادفی استفاده می شود. در این الگوریتم از طبقه بندهای SVM و KNN استفاده نمودیم. در این پژوهش، در نهایت میانگین میزان دقت تشخیص حرکات بر روی مجموعه داده MSR Daily Activity 3D [1] ، %82 به دست آمد، که این میزان، در مقایسه با بهترین روش ارائه شده بر روی این مجموعه داده [2]، %8,2 بهبود یافته است. از نوآورهای قابل ذکر در این پژوهش، می توان به استفاده از ویدئوهای عمقی به جای ویدئوهای RGB و ترکیب 3 دسته ویژگی های متفاوت و نیز به کارگیری الگوریتم زیرفضای تصادفی در فرآیند شناسایی رفتار، اشاره نمود.

Keywords:

شناسایی رفتار , ویدئوهای عمقی , الگوریتم زیرفضای تصادفی , طبقه بند SVM , طبقه بند KNN