ارائه یک روش دو جریانه مبتنی بر ویژگی های مکمل سنتی و عمیق برای تشخیص فعالیت انسان در ویدئو

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران

2 گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران

3 گروه مهندسی برق، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران

چکیده

تشخیص فعالیت انسان، امروزه به ­عنوان یک حوزه مهم در کاربردهای مختلفی مورد استفاده قرار گرفته است و مورد توجه بسیاری از محققان حوزه بینایی ماشین است تا بتوانند فعالیت اجرا شده در یک ویدئو را با دقت بالا طبقه ­بندی نمایند. در این مقاله یک روش دو جریانه با ساختاری جدید معرفی می­گردد که از دو ویژگی­ مکانی در هر دو جریان استفاده می­کند به­ گونه ­ای که این ویژگی­ها بتوانند به پوشش نقاط ضعف همدیگر بپردازند. استفاده از این ساختار در نهایت می­تواند به صورت دقیق­تری منجر به پیش­بینی برچسب فعالیت شود. در جریان اول ضرایب موجک با چندریزگی مناسب و در جریان دیگر ویژگی­های عمیق از قاب­ها استخراج می­شوند. ویژگی­های حاصل در دو نقشه ویژگی­های مکانی قرار می­گیرند و با استفاده از یک شبکه عمیق جدید تغییرات زمانی در نقشه­ها یاد گرفته می­شوند و با ترکیب اطلاعات طبقه بندی دو جریان برچسب نهایی تعیین می­گردد. دقت روش پیشنهادی روی 3 مجموعه داده واقعی UCFYT، UCF-Sport، و JHMDB برابر با 98.7، 99.83 و 92.86 بوده که عملکرد روش به طور میانگین نسبت به بهترین روش معرفی شده قبلی 4.6 درصد بهتر است.
مجله بینایی ماشین و پردازش تصویر
دوره 10، شماره 1
فروردین 1402
صفحه 17-31

فایل ها

هم رسانی

ارجاع به این مقاله

آمار