بازشناسي عمل انساني مبتني بر تصوير ساكن با استفاده از توصيف گر HOG و ماشين بردار پشتيبان

بازشناسي رفتار هاي انساني در تصاوير از موضوعات مهم در تحقيقات بازشناسي الگو است. تاكنون تحقيقات زيادي در زمينه بازشناسي رفتار انسان در تصاوير ويدئويي انجام شده است ولي در اين پژوهش، هدف، بازشناسي رفتار انساني بر روي تصاوير ساكن است. به اين منظور، ابتدا يك سري تصاوير، حاوي رفتارهاي انساني شامل 9 دسته عمل متفاوت، كه هر دسته عمل شامل 52 تصوير مي باشد از پايگاه داده پاسكال 5202 انتخاب مي گردد. در روش پيشنهادي ما، پس از انتخاب تصاوير، جهت حذف ويژگي هاي غير مفيد كه باعث كاهش دقت بازشناسي و سرعت پردازش الگوريتم مي شود نياز است تا پيشپردازشهايي همانند تغيير سايز تصوير، تبديل تصاوير رنگي به خاكستري، حذف نويز، بهبود كنتراست لبه و غيره انجام شود. سپس با استفاده توصيف گر ساده HOG ويژگي هاي اين تصاوير استخراج ميشوند. براي آموزش شبكه با استفاده از ماشين بردار پشتيبان، SVM ، ما ابتدا تصاوير را برچسب گذاري و سپس اين بردار ويژگيها با برچسب عمل مربوطه به ورودي SVM اعمال مي- شوند. SVM با توجه به داده هاي آموزش و برچسب آن ها يك مدل خلق مي كند و با استفاده از داده هاي تست و آن مدل ايجاد شده توسط SVM ، عملكرد الگوريتم پيشنهادي مورد ارزيابي قرار مي گيرد. در نهايت نتايج شبيه سازي نشان ميدهد كه روش پيشنهادي ما توانسته است دقت، صحت و حساسيت را نسبت به روشهاي موجود بهبود ببخشد.