بازشناسايي فعاليت‌هاي انسان در ويديو با استفاده از ويژگي‌هاي FREAKHOG و ماشين بردار پشتيبان آبشاري

در سال‌هاي اخير، بازشناسايي خودكار فعاليت‌هاي انسان در ويديو تبديل به يكي از حوزه‌هاي مهم تحقيقاتي شده است. دامنه كاربرد اين تحقيقات گسترده بوده و در سامانه‌هايي نظير سامانه‌هاي نظارتي و امنيتي، رابط‌هاي كاربريِ واكنش‌گرا، آموزش و مراقبت‎هاي بهداشتي، استخراج اطلاعات حركتيرفتاري مورد استفاده و بهره برداري قرار گرفته است. اما چالش‌هايي نظير تغييرات شدت روشنايي تصاوير، متحرك بودن پس زمينه و دوربين، شلوغي و ازدحام، پيچيدگي و تنوع فعاليت انجام شونده باعث شده‌اند توسعه‌ سامانه‌هايي كه از نظر دقت بازشناسايي مورد اطمينان بوده و در عين حال سرعت عمل قابل قبولي داشته باشند، با مشكل مواجه شود. يكي از روش‌هاي مرسوم در اين حوزه، استفاده از اطلاعات حركتي نقاط ويژگي استخراج شده در توالي فريم‌ها و توصيف حركت‌هاي انجام گرفته در آن و متعاقبا بازشناسايي فعاليت است. در اين مقاله با هدف افزايش دقت بازشناسايي فعاليت‌ها، استفاده از يك توصيف‌گر بافتي الهام گرفته شده از شبكيه چشم انسان و تركيب آن با يك توصيف‌گر ظاهريحركتي براي توصيف نقاطِ ويژگي استخراج شده در توالي فريم‌ها پيشنهاد مي‌شود. همچنين براي افزايش سرعت ساخت مدل و كاهش هزينه‌هاي بالاسري ناشي از تركيب ويژگي‌هاي پيشنهاد شده، يك رويكرد آبشاري براي ساخت مدل طبقه‌بندي كننده ارائه مي‌شود. نتايج آزمايشات انجام گرفته بر روي پايگاه‌داده‌ي بزرگ UCF101 نشان مي‌دهد كه روش پيشنهادي دقت و سرعت عملكرد بسيار خوبي دارد و كارايي آن قابل مقايسه با آخرين دستاورد‌ها در اين حوزه است.