-
شماره ركورد
14826
-
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
14826
-
پديد آورنده
بهمن دلداده باراني
-
عنوان
تشخيص حالت و فعاليت دست راننده در محيط واقعي برمبناي تصاوير ويديويي 3بعدي RGB-D
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
كامپيوتر گرايش هوش مصنوعي و رباتيك
-
سال تحصيل
شهريور 1394
-
تاريخ دفاع
شهريور 1394
-
استاد راهنما
دكتر محمود فتحي
-
چكيده
چكيده
تحقيقات زيادي براي تشخيص حالت و فعاليت بدن انسان صورت گرفته است تا بتوان اعمال انسان را در اماكن مختلف، تشخيص داد. باتوجه به فعاليتهاي گسترده بدن انسان در اماكن مختلف ميتوان از اعضاي مختلف بدن براي تشخيص نوع فعاليت شخص استفاده نمود. يكي از حوزه هاي ارزشمند تعامل انسان و كامپيوتر (HCI) را ميتوان حوزه نظارت بر عملكرد راننده خودرو دانست. چرا كه نظارت صحيح و تشخيص عملكرد راننده ميتواند جهت جلوگيري از سوانح رانندگي كه باعث خسارات جاني و مالي جبران ناپذير مي شود، بكار گرفته شود. از جمله اين نظارتها را مي توان نظارت بر حركت و فعاليت دست هاي راننده عنوان نمود. چراكه اغلب مشاهده مي شود كه مشغوليت دست هاي راننده با اشياء داخل خودرو باعث كاهش تمركز و ايجاد سوانح در رانندگي شده است. از طرفي بدليل شرايط واقعي و پر نويز اماكني مانند اتاق داخلي خودرو (تغييرات نوري شديد، درهم ريختگي پس زمينه، انسدادهاي مكرر و نويز زياد)، كاررا براي عمليات بينايي كامپيوتري و پردازش تصاوير سخت نموده است. در اين تحقيق سعي شده است با استفاده از دوربين Kinect كه علاوه بر تصاوير RGB ، تصوير مادون قرمز(عمق) اجسام را نيز توليد مي كند، و همچنين با استفاده از تكنيكهاي بينايي ماشين و يادگيري ماشين، حركت و فعاليت دست هاي راننده را در شرايط واقعي و طبيعي خودرو بصورت بلادرنگ تشخيص داد. در اين پژوهش جهت حذف نويز و يافتن دست راننده، با استفاده از تصوير عمق، ماسكي ساخته شده و با تصوير RGB تركيب مي شود. با استفاده از اين تكنيك (استفاده از ماسك تصويري) ديگر نيازي به استفاده از روش هاي حذف پس زمينه نمي باشد. ما با استفاده از اين روش به دقت 70% در تشخيص دست راننده، دست يافتيم.
واژههاي كليدي: تشخيص حالت و فعاليت دست ، فعاليت راننده خودرو، تصاوير RGB-D ، دوربين Kinect ، Human-Computer Interaction.
-
لينک به اين مدرک :