یادگیری دیکشنری جهت بازشناسی کنش انسان در ویدئو

بازشناسی کنش انسان به دلیل پیچیدگی حرکات و شباهت زیاد بین مشخصه های مختلف در حرکات یکی از کارهای بسیار پیچیده و مشکل می باشد، یکی از روش های مورد استفاده در این حوزه بازنمایی تنک است. این مقاله به تاثیر بازنمایی تنک با دیکشنری در زمینه تشخیص کنش در ویدئو پرداخته و به منظور مدل سازی یک چارچوب یادگیری پیشنهاد شده است. دیکشنری کامل با استفاده از مجموعه توصیفگرهای مکانی_زمانی (استخراج شده از دنباله های ویدیوئی) ساخته شده، بطوری که هر توصیفگر با تعدادی ترکیب خطی از تعداد کمی از عناصر دیکشنری نشان داده شده است. این روش منجر به نمایش کامل تر و قوی تری از دنباله های ویدیویی نسبت به روش هایی مثل خوشه بندی و وکوانتیزیشن برداری می شود. ما روش LC-KSVD را پیشنهاد کردیم، هدف این روش استفاده از اطلاعات لیبل دار سیگنال های ورودی برای یادگیری دیکشنری سازگار و متمایز دهنده است. روش ما بر روی دادگان استاندارد امتحان شده و آزمایشات نشان می دهد که نتایج این روش از روش های قبل بهینه تر، دقت آن بالاتر و خطای کمتری نیز دارد.

Keywords:

بازشناسی کنش , یادگیری دیکشنری , فوق کامل , بازنمایی تنک , توصیفگرهای مکان_زمان LC-KSVD