1
دانشجوی کارشناسی ارشد مهندسی برق، دانشگاه صنعتی شریف
2
دانشکده مهندسی برق، دانشگاه صنعتی شریف
چکیده
هدف از این مقاله، بازشناسی کنش افراد با استفاده از اطلاعات سریهای زمانی استخراج شده از دنباله های اسلکتی به منظور استفاده در سامانه های مانیتورینگ فعالیتهای روزمره ی انسانها میباشد. به این منظور، هر کنش به صورت یک سری زمانی چند بعدی بیان شده و سپس با استفاده از مفهوم "شبه کرنل مبتنی بر فاصله ی پیچش زمانی پویا" به یک فضای برداری نگاشت میگردد. در ادامه، به منظور استفاده از نسبت همبستگی-تمایزِ دنباله ها در پروسه ی شناسایی، این فضای برداری توسط روش فیشر تنظیمشونده به یک فضای تمایزی نگاشت شده و تصمیم گیری نهایی در خصوص محتوای حرکت در فضای حاصل انجام میپذیرد. بر خلاف سایر روش های کرنلی موجود، الگوی همترازی حاصل از پیچش زمانی، موجب میشود تا اثر شیفت، و انقباض و انبساط های زمانی دنباله ها در فضای کرنل به کمترین میزان ممکن کاهش یابد. همچنین، روش ما پیچیدگی های محاسباتی و محتوایی موجود در استخراج ویژگی های استاتیک و دینامیکِ دنباله های حرکتی را حذف نموده و در مقابل، آنها را در قالب الگوی همترازی در فضای برداری کرنل مورد استفاده قرار میدهد. نتایج ارزیابی ها بر روی سه پایگاه دادهی معروف TST، UTKinect و UCFKinect، قابل رقابت بودن عملکرد روش ارائه شده با برترین روشهای موجود در بازشناسی کنشهای انسانی را نشان میدهد.
تابع جماعت, محسن, & محمدزاده, هدی. (1401). ویژگیهای نهفته در فضای پیچش زمانی پویا برای بازشناسی کنش با استفاده از داده های سنسور کینکت. مجله بینایی ماشین و پردازش تصویر, 9(3), 19-34.
MLA
محسن تابع جماعت; هدی محمدزاده. "ویژگیهای نهفته در فضای پیچش زمانی پویا برای بازشناسی کنش با استفاده از داده های سنسور کینکت". مجله بینایی ماشین و پردازش تصویر, 9, 3, 1401, 19-34.
HARVARD
تابع جماعت, محسن, محمدزاده, هدی. (1401). 'ویژگیهای نهفته در فضای پیچش زمانی پویا برای بازشناسی کنش با استفاده از داده های سنسور کینکت', مجله بینایی ماشین و پردازش تصویر, 9(3), pp. 19-34.
VANCOUVER
تابع جماعت, محسن, محمدزاده, هدی. ویژگیهای نهفته در فضای پیچش زمانی پویا برای بازشناسی کنش با استفاده از داده های سنسور کینکت. مجله بینایی ماشین و پردازش تصویر, 1401; 9(3): 19-34.