ورود
مقالات فارسیISIکنفرانسهاژورنالها

بازشناسی کنش های انسانی با استفاده از ویژگی های محلی مبتنی بر کیسه واژگان

محل انتشار: دومین همایش ملی پژوهش های کاربردی در علوم کامپیوتر و فناوری اطلاعات
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 560

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/455034

شناسه ملی سند علمی:

CITCONF02_162

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

در این مقاله یک رویکرد جدید برای بازشناسی کنش های انسانی در یک دنباله ویدئویی ارائه شده است . برای بازنمایی کنش ها از توصیف گر HOG3D و مدل کیسه واژگان استفاده شده است. از معایب رویکرد کیسه واژگان نادیده گرفتن اطلاعات هندسی و زمانی ویژگی ها هست که در این مقاله برای رفع این مشکل یک رویکرد جدید بر مبنای مدل بخشی ارائه شده است. در این مقاله برای آشکارسازی نقاط کلیدی از نمونه برداری فشرده استفاده شده است. ناحیه اطراف نقاط کلیدی یا توصیف گر HOG3D توصیف شده و سپس در بردار پشتیبان برای طبقه بندی کنش ها استفاده شده است. نتایج حاصل از آزمایشات حاکی از قوی تر بودن پول دار ویژگی نهایی نسبت به مدل ساده کیسه واژگان است.

کلیدواژه ها:

بازشناسی کنش های انسانی ، مدل کیسه واژگان ، ماشین بردار پشتیبان ، ویژگی های مکانی زمانی

نویسندگان

سید مجید خراشادیزاده

دانشجوی کارشناسی ارشد مهندسی کامپیوتر گروه کامپیوتر دانشکده مهندسی برق و کامپیوتر،دانشگاه یزد،ایران

علی محمد لطیف

استادیار دانشگاه، مهندسی کامپیوتر گروه کامپیوتر دانشکده مهندسی برق و کامپیوتر،دانشگاه یزد،ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Turaga, P., et al., Machine recognition of human activities: A ...
  • Poppe, R.. A Survey on vision-based human action recognition. Image ...
  • Weinland, D., R. Ronfard, and E. Boyer, A survey of ...
  • Efros, A.A., et al. Recognizing action at a distance in ...
  • Schuldt, C., I. Laptev, and B. Caputo. Recognizing human actions: ...
  • Dollar, P., et al. Behavior recognition via sparse spatio -temporal ...
  • Willems, G., T Tuytelaars, and L. Van Gool, An efficient ...
  • " National Conference on Applied Research in Computer Science and ...
  • Wang, H., et al. Evaluation of local spatio-tempo ral features ...
  • Niebles, J.C. and L. Fei-Fei. A hierarchical model of shape ...
  • Laptev, I., et al. Learning realistic human actions from movies. ...
  • Hamid, R., et al. Detection and explanation of anomalous activities: ...
  • Thurau, C. and V. Hlavac. Pose primitive based human action ...
  • Felzenszwalb, P., D. McAllester, and D. Ramanan. A dis criminatively ...
  • Klaser, A. and M. Marszalek, A spatio -temporal descriptor based ...
  • Chang, C.-C. and C.-J. Lin, LIBSVM: _ library for support ...
    • نمایش کامل مراجع