تاثیر کاهش ابعاد ویژگی ها در دقت بازشناسی فعالیت انسان
Publish place: Fourth International Conference on Modern Studies in Computer Science and Information Technology
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 344
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CONFITC04_197
تاریخ نمایه سازی: 6 مهر 1397
Abstract:
تجزیه و تحلیل حرکات انسان توجه زیادی از محققان بینایی کامپیوتر را به خود جلب کرده است. درواقع، شناساییفعالیت انسان می تواند مزایای بزرگ اجتماعی داشته باشد، به ویژه در زندگی واقعی در برنامه های انسان محور مانندمراقبت های سالمندان و مراقبت های بهداشتی مورد استفاده قرار میگیرد. این مقاله بر شناخت فعالیت های انسانی سادهتمرکز دارد؛ زیرا شناخت فعالیت های پیچیده همچون ماهیت حالت های فعالیت های انسانی چالش های مختلفی به همراهدارد. اولین تمرکز برای تشخیص دقیق فعالیت های انسانی بر اساس یک مدل فعالیت از پیش تعریف شده می باشد؛ یکمحقق کشف الگوی فعالیت، ابتدا یک سیستم فراگیر ایجاد می کند و سپس داده های سنسور را برای کشف الگوهایفعالیت تجزیه و تحلیل می کند. این مقاله یک رویکرد با استفاده ازاطلاعات یک دوربین RGB-D که مایکروسافت کینکت نامیده می شود برای تشخیص فعالیت انسان ارایه می دهد. در این سیستم از ترکیب سه روش یادگیری ماشین (SVM) support vector machine ،)GMMS( Gaussian Mixture Models و (hiddenMarkov models (HMM با کاهش ابعاد با روش PCA) principal component analysis) استفاده شده است. آزمایشات با دو مجموعه داده Kinect و CAD-60 انجام شده است. روش های مبتنی بر یادگیری مذکور دو هدف اصلی را دنبال می کند: (1) فعالیت های ناشناخته را برچسب گذاری می کند و (2) با چند مثال یاد می گیرد. بهترین دقتتشخیص فعالیت سیستم پیشنهادی 99.05 درصد است.
Keywords:
Authors
سرور شیبانی
دانشجوی کارشناسی ارشد دانشگاه صنعتی سجاد
امیرفرید امینیان مدرس
عضو هیات علمی دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی سجاد