بررسي و بهبود روش بازشناسي عمل انساني مبتني بر تصوير ساكن با تركيب ويژگيهاي استخراجي از توصيفگرهاي SIFT و HOG

باز شنا سي رفتارهاي ان سا ني در ت صا وير از مو ضوعات مهم در تح قيقات باز شنا سي الگو ا ست. تاكنون تح قيقات زيادي در زمينه بازشنا سي رفتار انسان در تصا وير ويدئويي انجام شده است و لي در اين پژوهش، هدف، بازشنا سي رفتار انسا ني بر روي تصاوير ساكن است. به اين منظور، ابتدا يك س ري تصا وير، حاوي رفتارهاي انسا ني شامل 9 د سته عمل متفاوت، كه هر د سته عمل شامل 25 تص وير ميبا ش د از پايگاه داده پا سكال 2010 انتخاب ميگردد. در روش پي شنها دي ما، پس از انتخاب ت صا وير، جهت حذف ويژگيهاي غيرمفيد نياز ا ست تا پيشپردازشهايي بر روي تصا وير انجام شود. سپس با استفاده از تر كيب تو صيفگرهاي ساده SIFT و HOG ويژگيهاي اين تصا وير استخراج ميشون د. به دليل اينكه ويژگيهاي استخرا جي از الگوريتم SIFT ب سيار زياد است با استفاده از كيف ويژگيها، ويژگيهاي برجسته استخرا جي از الگوريتم SIFT انتخاب ميشون د. كيف ويژگي الگوريتمي است كه با استفاده از خوشه بن دي K-means ، بردارهاي ويژگيهاي استخراج شده را خوش هبندي ميكند و مركز هر خوشه را به عنوان ويژگي برجسته انتخاب ميكند. سپس، ويژگيهاي انتخاب شده توسط كيف ويژگيها با ويژگيهاي استخراج شده از الگوريتم HOG ادغام ميشوند. براي آموزش شبكه با استفاده از ماشين بردار پشتيبان ، SVM ، ما ابتدا تصاوير را برچسبگذاري و سپس اين بردار ويژگيها با برچسببب عمل مربو ه به ورودي SVM اعمال ميشببوند. SVM با توجه به دادههاي آموزش و برچسببب آنها يك مدل خلق ميكند و سببپس با استفاده از داد ههاي تست و آن مدل ايجاد شده توسط SVM ، عملكرد الگوريتم پيشنهادي مورد ارزيابي قرار ميگيرد. در نهايت نتايج شبيه سازي نشان ميدهد كه روش پيشنهادي ما توانسته است دقت، صحت و حساسيت را نسبت به روشهاي موجود بهبود ببخشد.