بازشناسي فعاليت انسان با استفاده از مدل تعويضي ساختاري

بازشناسي خودكار فعاليت‌هاي انسان، بخشي جدايي‌ناپذير از هر برنامه تعاملي با انسان است. يكي از چالش‌هاي عمده براي شناخت فعاليت، تنوع در نحوه فعاليت افراد است. همچنين بعضي از فعاليت‌ها ساده، سريع و كوتاه هستند، در حالي كه بسياري ديگر پيچيده و داراي جزئيات هستند و در مدت زمان طولاني انجام مي‌شوند. در اين مقاله، ما از داده‌هاي اسكلت كه از توالي تصاوير RGB-D استخراج مي‌شوند استفاده مي‌كنيم. ما مدل گرافي را پيشنهاد مي‌دهيم كه قادر است فعاليت‌هاي پيچيده و ساده را بازشناسي كند. براي بهينه‌سازي پارامترهاي مدل گرافي احتمالي از روش پيش‌بيني ساختاري توزيع‌شده استفاده مي‌كنيم. اين روش در سه مجموعه داده به طور گسترده مورد آزمايش (60 -CAD، UTKinect و D3 Florence) قرار مي‌گيرد كه هر دو نوع فعاليت را پوشش مي‌دهند. نتايج نشان مي‌دهد كه روش ما مي‌تواند هر دو نوع فعاليت ساده و پيچيده را به طور مؤثر تشخيص دهد، در حالي كه اكثر آثار قبلي تنها بر يكي از اين دو نوع تمركز مي‌كنند. همچنين ما نشان مي‌دهيم استفاده از روش‌هاي خوشه‌بندي براي مقداردهي اوليه تأثير زيادي در نتايج دارد.