1
آزمایشگاه هوش و بینایی ربات، گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا
2
گروه مهندسی کامپیوتر، دانشگاه سید جمال‌الدین اسدآبادی
چکیده
در سال‌های اخیر علاقه‌مندی به حسگرهای کینکت به دلیل قیمت پایین و کاربردهای گسترده در حال افزایش است. این ابزار می‌تواند با بهره‌گیری از دادگان اسکلتی و بدون استفاده از نشانگرها، وضعیت استقرار بدن انسان را برآورد کند. مسدود شدن بدن انسان با دیگر اشیا و حرکت سریع مقابل کینکت از معضلات اساسی برآورد موقعیت مفاصل است. در این پژوهش دو گام برای حل چالش موجود در نظر گرفته شده است. نخست، راهکاری بر مبنای مدل‌های اندازه‌گیری جهت تعیین درجه‌ی اعتبار مفاصل استخراج شده از حسگر کینکت ارائه شده که به عنوان ویژگی اثرگذار به همراه موقعیت مفاصل در کلاس‌بند بیشینه-حاشیه در نظر گرفته شده است. در گام دوم براساس میزان اعتبار هریک از مفاصل، تصمیم‌گیری شده و مفاصل از دست رفته تشخیص داده می‌شوند. سپس با استفاده از الگوریتم‌های بخش‌بندی بدن انسان مبتنی بر شبکه یادگیری عمیق، اعتبار‌بخشی مفاصل صورت می‌گیرد. نتایج نشان می‌دهد انتخاب ویژگی‌های مناسب در گام اول جهت مقایسه فریم‌های متوالی نسبت به روش‌های موجود، بهبود قابل توجهی در دقت کلاس‌بند دارد. همچنین گام دوم نیز با اعمال اعتبار بخشی به دادگان تاثیر زیادی بر افزایش دقت روش‌هایی دارد که از دادگان اسکلتی حسگر کینکت به عنوان ویژگی‌های ورودی بهره می‌برند
)