سوگل افضلی - کارشناسی ارشد هوش مصنوعی، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد لاهیجان، لاهیجان، ایران.
اعظم السادات نوربخش - عضو هییت علمی، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد لاهیجان، لاهیجان، ایران.

امروزه شناسایی خودکار فعالیت انسان، در کاربردهای نظارتی و مراقبت بر افراد ناتوان بسیار ضروری میباشد. استفاده از دوربین های نظارتی و پردازش تصاویر حاصل شده سبب دستیابی به سیستمی هوشمند و دقیق برای شناسایی رفتار انسان میگردد. از آنجایی که تشخیص انسان در صحنه های متفاوت با چالش های زیادی همراه است، روشهای متعددی برای شناسایی فعالیت انسان از پردازش تصاویر ویدیویی ایجاد شده اند. در این پژوهش با استفاده از ا ستخراج ویژگیهای تصاویر اسکلت انسان شناسایی شده و با استخراج ویژگیهای حرکتی و آموزش شبکه عصبی کانولوشنی به شناسایی رفتار انسان پرداخته شده است. شبکه عصبی کانولوشنی یک روش یادگیری عمیق است که با دریافت ویژگیهای عمیق توانسته شناسایی فعالیت انسان را بهبود بخشد.روش پیشنهادی این پژوهش بر روی پایگاه دادهCAD-60 آزمایش شده و 10 دسته فعالیت از فعالیتهای روزمره انسان شناسایی شده است. با استفاده ازارزیابی سیستم به روشK-Foldروش پیشنهادی آزمایش شده و با سایر دسته بندها مقایسه شدهاست. نتایج نشان میدهد که سیستم پیشنهادی با دقت 97.1درصد توانسته است به دسته بندی و شناسایی فعالیتها بپردازد

پردازش تصویر، شناسایی فعالیت انسان، یادگیری عمیق، شبکه عصبی کانولوشنی