شناسایی حالت سه بعدی انسان از تک تصویر دوبعدی با استفاده از خوشه بندی فازی

شناسایی حالت انسان در تصاویر، یکی از پرکاربردترین زمینه ها در علم بینایی ماشین است. در این مقاله، به منظور استخراج حالت سه بعدی انسان روشی پیشنهاد شده است که در آن فقط از اطلاعات دوبعدی تصویر استفاده می شود. ابتدا با دردست داشتن اطلاعات سه بعدی داده های آموزشی، یک دیکشنری از مؤلفه های اصلی حالت ها تهیه می شود. سپس، با اضافه کردن مؤلفه به حالت میانگین سه بعدی، حالت تصویر تست به گونه ای تخمین زده می شود که افکنش حالت تخمینی سه بعدی در فضای دوبعدی، حداقل اختلاف را با اطلاعات دوبعدی حقیقی داشته باشد. هدف این مقاله، نشان دادن اهمیت انتخاب پایه های دیکشنری می باشد. روشی مبتنی بر خوشه بندی فازی FCM برای ایجاد پایه ها پیشنهاد شده است که در بازیابی حالت سه بعدی نتیجه ی بهتری از خود نشان می دهد. الگوریتم پیشنهادی با بهره گیری از پایگاه تصاویر CMU و IIP اجرا شده و نتایج آزمایش بیانگر موفقیت چشمگیر الگوریتم پیشنهادی است.

کلیدواژه ها:

تحلیل مؤلفه های اصلی ، تخمین حالت انسان ، تصاویر تک چشمی ، خوشه بندی فازی C میانگین