مقاله کنفرانسی سال ۱۴۰۴ فارسی

تشخیص حرکات انسان در تصاویر با بهبود روشهای مبتنی بر اسکلت

چکیده مقاله

در دهه گذشته، زندگی انسان ها به طور چشمگیری تحت تاثیر کامپیوتر و شبکه های ارتباطی بوده است کامپیوتر در انجام انواع محاسبات پیچیده و گسترش ارتباطات پیشرفت سریع و موثری داشته اند همراه با این پیشرفت ها، تعداد فایل های تصویری و ویدئویی به صورت نمایی رشد یافته است توانایی تحلیل و جست و جو بین این حجم عظیم داده های ویدیویی و تفسیر خودکار این اطلاعات اهمیت خاص پیدا میکند تشخیص فعالیت انسان ها یکی از زمینه های تحقیقاتی مهم در حوزه بینایی ماشین می باشد که کاربردهایی در زمینه های مختلف اعم از نظارت بر امنیت عمومی، تعامل انسان و رایانه ، صنعت و غیره موجب اهمیت روزافزون این حوزه نزد پژوهشگران شده است به طور کلی چالش های این حوزه مربوط به شرایط فیلم برداری، کیفیت دوربین، تنوع اجرای عمل می باشد و از انجایی که در سال های اخیر شاهد پیشرفت قابل توجهی در زمینه تکنولوژی دوربین عمق سنج و همچنین شبکه های عصبی بودیم، فرصتی شگرف برای کار در زمینه تشخیص نوع حرکت های انسانی فراهم گشته است در این پایان نامه ما به بهینه سازی روشی پرداختیم که با هدف تشخیص رفتار انسان با استفاده از دنباله اسکلت سه بعدی با ادغام شبکه عصبی کانولوشنال سه جریانی و در انتها طبقه بندی کننده ماشین برداری می پردازد روش های سنتی تشخیص کنش عمدتا از ویدیوی RGB به عنوان تصویر ورودی استفاده می کردند با این حال، ویدیوی RGB مشکلات زیادی مانند حجم زیاد داده، بار معنایی کم، ایجاد مدل با اطلاعات نامربوط مانند پس زمینه و را به دنبال داشت اطلاعات کارآمد و پیشرفته انسانی موجود در توالی اسکلت سه بعدی تشخیص رفتار انسان را تسهیل می کند ابتدا اطلاعات مختصات سه بعدی، اطلاعات تفاوت زمانی و اطلاعات تفاوت فضایی مفاصل از داده های اسکلت خام، استخراج شده و اطلاعات فوق به شبکه عصبی کانولوشن مربوطه وارد می شود سپس، مدل شبکه از پیش آموزش دیده، ویژگی حاوی اطلاعات زمانی مکانی مهم را استخراج می کنند در نهایت، بردارهای ویژگی ترکیب شده به دست آمده از مراحل قبل برای آموزش و طبقه بندی وارد ماشین بردار پشتیبان می شوند

کلیدواژه‌ها

بینایی ماشین شبکه عصبی کانولوشن ماشین بردار پشتیبان یادگیری عمیق حافظه طولانی حافظه کوتاه مدت گراف مفاصل توالی اسکلت سه بعدی شبکه عصبی کانولوشنال سه جریانی

نویسندگان

تصویر مونس نوروزی

مونس نوروزی

دانشجوی کارشناسی ارشد ، موسسه آموزش عالی اشراق بجنورد

تصویر احسان جعفری

احسان جعفری

استادیار گروه کامپیوتر ، موسسه آموزش عالی اشراق، بجنورد

شیوه ارجاع

نوروزی، مونس و جعفری، احسان،1404،تشخیص حرکات انسان در تصاویر با بهبود روشهای مبتنی بر اسکلت،بیست و هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

پوستر مجموعه مقالات بیست و هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات مجموعه مقالات بیست و هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات26 تیر 1404 · بابل
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۳۲۵ مشاهده

هوش مصنوعی و پردازش تصویر جهت تشخیص هوشمند عیوب در ورق های تولیدی و میلگرد در صنعت فولاد ایران

نظارت و تشخیص هوشمند عیوب فولاد نقش مهمی در بهبود کیفیت فولاد، راندمان تولید و تولید هوشمند مرتبط با آن…

تشخیص نقصشناسایی هدفمکانیزم توجه
مقاله کنفرانسی سال ۱۴۰۴ ۳۱۸ مشاهده

مدیریت هوشمند انرژی نفت و گاز با استفاده از هوش مصنوعی و اینترنت اشیا

صنعت نفت و گاز به عنوان یکی از ارکان حیاتی اقتصاد جهانی، همواره در معرض چالش های پیچیده ای نظیر نوسانات…

هوش مصنوعیاینترنت اشیاهوشمندسازی
مقاله کنفرانسی سال ۱۴۰۴ ۳۱۷ مشاهده

بررسی اهمیت و کاربرد هوش مصنوعی در صنعت کشاورزی

در طول تاریخ همواره مشاغل گوناگونی ظهور کرده اند بسیاری از این مشاغل با به پایان رسیدن یک دوران، از بین…

کشاورزیهوش مصنوعیکشاورزی هوشمند.
مقاله کنفرانسی سال ۱۴۰۴ ۲۹۷ مشاهده

بررسی تکنیک های رمز نگاری و احراز هویت مدرن

در این مجموعه چکیده ها، به معرفی و بررسی روش های مختلف رمزنگاری و احراز هویت در راستای افزایش امنیت سیست…

تکنیک های رمزنگاریرمزنگاری مدرن
مقاله کنفرانسی سال ۱۴۰۴ ۲۹۶ مشاهده

افزایش امنیت در یادگیری فدرال در محیط های محاسبات ابری با استفاده از تکنیک های پیشرفته رمزنگاری

با گسترش روزافزون فناوری های یادگیری ماشین و رایانش ابری، یادگیری مشارکتی به عنوان رویکردی نوین و موثر ب…

حریم خصوصی تفاضلییادگیری فدرالمحاسبات ابری
مقاله کنفرانسی سال ۱۴۰۴ ۲۸۲ مشاهده

داشبورد های هوش تجاری در صنعت فولاد و مقایسه آن در صنعت فولاد ایران

در عصر داده محور کنونی، هوش تجاری BI به یکی از ابزارهای کلیدی برای تصمیم گیری راهبردی در صنایع بزرگ تبدی…

هوش تجاریصنعت فولادفولاد مبارکه