عنوان پایان‌نامه
تشخیص عمل انسان در ویدیو با استفاده از ویژگیهای معنایی
- رشته تحصیلی
- علوم کامپیوتر
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس علوم شماره ثبت: 6323;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76370;کتابخانه پردیس علوم شماره ثبت: 6323;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76370
- تاریخ دفاع
- ۲۰ تیر ۱۳۹۵
- دانشجو
- سیاوش خداداده
- استاد راهنما
- هدیه ساجدی
- چکیده
- تشخیص عمل انسان در ویدیو به دلیل کاربردهایش در نظارت بصری ، بازیابی ویدیو و تعامل انسان و رایانه از زیرشاخه‌های مهمی در بینایی ماشین است که تحقیقات بسیاری حول آن در حال انجام است. هدف، بازشناسی عمل انجام‌شده در یک ویدیو که دنباله‌ای از تصاویر است، می‌باشد. ایجاد مجموعه واژگان معنایی در طبقه‌بندی تصاویر و ویدیو از روش‌هایی است که در سال‌های اخیر مورد توجه قرار گرفته است. در این پایان‌نامه روش جدیدی برای بازشناسی عمل انسان در ویدیو معرفی گردیده است که در آن با در نظر گرفتن دنباله‌ی رخداد واژگان معنایی به جای انتقال آن‌ها به فضایی با بعد کمتر در سطح معنایی بالاتر، به تصمیم‌گیری در مورد عمل انجام‌شده پرداخته شده است. چالش‌هایی که در این روش‌ها وجود دارد قابلیت اعتماد و مقاوم بودن نسبت به تغییرات نور، انسداد، مقیاس و حرکت دوربین است. استفاده از این روش‌ها تا حد خوبی این موضوع را برطرف کرده‌اند هرچند در بازشناسی اعمالی که به هم شبیه هستند مانند آهسته دویدن و راه رفتن، به دلیل ظهور واژگان معنایی مشابه دچار خطا می‌شود. با در نظر گرفتن الگوی ظاهر شدن این واژه‌ها در این پایان‌نامه نشان داده شده است که روش پیشنهادی می‌تواند به اندازه‌ی روش‌هایی که داده‌ها را به فضای معنایی بالاتر می‌برند؛ خوب عمل کند. برای پیاده‌سازی این روش، ترتیب کلمات در ویدیوها در نظر گرفته می‌شوند و سپس با الگوریتم Apriori الگوهای پرتکرار از آن‌ها استخراج می‌شوند. هنگام بازشناسی یک ویدیو توسط ماشین بردار پشتیبان در صورتی که ویدیو یکی از اعمال مشابه در نظر گرفته شود با بررسی الگوهای موجود در آن در مورد ویدیو تصمیم گرفته می‌شود. در پایان با بررسی پارامترها و استفاده از ترکیب ماشین بردار پشتیبان و الگوریتم Apriori سعی شده است در بازشناسی اعمالی که مشابه هستند، بهبود ایجاد شود
- Abstract
- Human Action Recognition from video has been an important area of research in computer vision. Its applications include surveillance systems, human–computer interactions and various real-world applications where one of the actor is a human being. Human Action Recognition aims to recognize the actions and goals of one or more agents from a series of observations on the agents’ actions and the environmental conditions Creating semantic features vocabulary is one of the well-known and successful methods in the area of activity recognition. Newer methods try to map the vocabulary to a lower dimension space in which the features are semantically more meaningful. These methods have been very successful and robust to noise, variations, occlusions and etc. The challenge is to be able to recognize actions which are more similar like as jogging, running and walking. Because the features which appear in similar classes of actions are the same, we introduce a new method which considers the sequence of features instead of mapping them to a lower dimension space and show that it can achieve good results as well.Keywords:Human Action Recognition, Bag of Words, Action Recognition, Action Detector, Action Descriptor
