12965

12965

شناسايي رفتار تعاملي انسان در دوربين هاي نظارتي

كارشناسي ارشد

كامپيوتر -هوش مصنوعي

بهمن ماه 1392

بهمن ماه 1392

: دكتر محسن سرياني

چكيده شناسايي و تحليل حركات انسان، امروزه تو‏جه بسياري از محققين رشته هاي مختلف را به خود جلب كرده است. هدف چنين سيستم‏هايي ادراك رفتار انسان از روي توالي تصاوير ويدئويي با استفاده از ردگيري، بازيابي موقعيت و شناسايي حركات انسان مي باشد. يكي از كاربردهاي مهم چنين سيستم هايي نظارت خودكار بر رفتار افراد در محيط هايي از قبيل ايستگاه هاي اتوبوس و قطار، سالن هاي فرودگاه و مناطقي از قبيل بانك ها، هتل ها و ادارات مي¬باشد. در اين پايان نامه قصد داريم به بررسي روش‏هاي شناسايي رفتار انسان، بخصوص رفتارهاي تعاملي در تصاوير ويدئويي پرداخته وسپس روش جديدي را ارائه كنيم. تمركز اصلي اين پايان نامه بر روي استخراج ويژگي بوده كه به ارائه دو روش پيشنهادي خواهد پرداخت. در روش پيشنهادي اول براي كاهش ابعاد داده و نيز براي درك بهتر لبه ها و تغييرات جزئي تصاوير از ضرايب موجك استفاده شده است. ضرايب موجك باند HH هر يك از فريم هاي ويدئو ورودي ، محاسبه شده و به صورت بلوك هاي مكاني-زماني، بعنوان ورودي مرحله اول از يك سيستم سه مرحله اي استخراج ويژگي اعمال مي شوند. اين سه مرحله شامل دو مرحله تحليل زيرفضاي مستقل(ISA) و يك مرحله مياني تحليل مولفه هاي اصلي PCA مي باشند. در روش پيشنهادي دوم نيز از ساختاري سلسله مراتبي استفاده مي¬كنيم. در اين روش ابتدا بلوك هاي فريم هاي ورودي به شبكه ISA اعمال مي¬شود، پس از يادگيري ويژگي ها توسط شبكه اول ISA، خروجي هاي شبكه به يك آبشار SOM -ISA اعمال مي شوند تا ويژگي هاي نهايي را توليد كنند. در اين روش براي همخواني بيشتر بين مراحل ساختار پيشنهادي، از شبكه SOM استفاده شده است تا ساختاري تماما غيرخطي داشته باشيم. در نهايت در هر دو روش شبكه RBF عمل شناسايي را انجام مي دهد. نتايج شناسايي بدست آمده بر روي دادگان مختلفي همچون UT (95%)، هاليوود (11/54%) و KTH (5/94%) حاكي از برتري نسبي اين روش نسبت به روش هاي ارائه شده تا كنون مي باشد. كلمات كليدي شناسايي رفتار تعاملي انسان، تحليل زيرفضاي مستقل، شبكه عصبي خود سازمانده، ضرايب موجك