13169

13169

بازشناسي و تحليل فعاليت انسان در تصاوير ويديويي چند ديدي

دكتري

كامپيوتر گرايش هوش مصنوعي و رباتيك

خرداد 1392

خرداد 1392

دكتر محسن سرياني

چكيده حجم عظيم داده‌هاي تصويري باعث شده است نياز مبرمي به وجود سامانه‌هاي هوشمند خودكار جهت پردازش آنها احساس شود. بنابراين توليد چنين سامانه‌هايي كه قابليت دريافت، پردازش، تحليل و درك تصاوير ويديويي را داشته باشند، يكي از اصلي‌ترين چالش‌هاي متخصصين هوش مصنوعي و به طور خاص بينايي ماشيني است. تحليل فعاليت انسان يكي از مسايل مطرح در اين زمينه است كه هدف آن، بازشناسي و ايجاد درك و فهم نسبت به اعمالي است كه انسان‌ها انجام مي‌دهند. مفهوم گسترده و متنوع فعاليت و شرايط متفاوت دنباله‌هاي ويديويي، باعث دشواري ذاتي مساله مي‌شود. در ويديوهاي چندديدي، به خاطر وجود داده‌هاي مرتبط و تكراري، اين مساله پيچيده‌تر مي‌شود. هر چند تحقيقات بسياري در هر يك از بخش‌هاي بازشناسي و تحليل فعاليت انسان در ويديوهاي چندديدي، از جمله استخراج ويژگي، روش دسته‌بندي، روش ادغام اطلاعات ديدها و شيوه تحليل انجام شده است، اما جاي تحقيقي جامع و همه منظوره درباره تمامي موضوعات، خالي است. اين رويكرد ما در اين رساله بوده است. ابتدا ويژگي معنايي جديد، توصيف كننده گراف وضعيت بدن، كه متمايز كننده خوبي براي فعاليت‌هاي انساني است، پيشنهاد و تشريح شده است. سپس، طرح جديدي از مدل مخفي ماركوف، به نام مدل مخفي ماركوف لايه‌اي هرمي، ابداع و معرفي گشته است كه به طور ويژه براي ويديوهاي چند ديدي، به عنوان يك مساله چند حسگري، توسعه يافته است. شيوه‌هاي گوناگوني از بازشناسي و تحليل فعاليت به كمك اين طرح پياده‌سازي، اجرا و آزمايش شده است و در نهايت كارآمدي اين توسعه جديد در بازشناسي و تحليل فعاليت انسان در ويديوهاي چندديدي به اثبات رسيده است. از مجموعه‌داده‌هاي Sinica، KTH و UCF Sport در بخش يك‌ديدي و MuHAVi، IXMAS و HumanEva-I در حوزه چندديدي استفاده شده و دقت بازشناسي چندديدي به صورت جامع در اين مجموعه داده‌ها حدود 8/93 بوده است. واژه‌هاي كليدي: بينايي ماشين، بازشناسي فعاليت انسان، تحليل فعاليت انسان، ويديوهاي چندديدي، استخراج ويژگي، توصيف‌كننده حركت، مدل مخفي ماركوف.