مروري بر روش‌هاي مختلف شناسايي حركت‌هاي انسان

A review of various methods for human action recognition

تجزيه و تحليل حركت انجام شده توسط انسان بر اساس داده‌هاي سه بعدي يك موضوع در حال گسترش در جهان و علوم مختلف مي‌باشد. با ظهور سنسور‌هاي RGB-D مثل Microsoft Kinect، بسياري از محققان براي حل مسايل بينايي ماشين اطلاعات عمق را ثبت كرده‌اند تا از اين اطلاعات براي تشخيص نوع حركت استفاده كنند. در اين راستا نيز روش‌هاي مختلفي براي تجزيه و تحليل حركت و فعاليت‌هاي انجام شده پيشنهاد شده است. از آنجايي كه موضوع شناسايي عمل و فعاليت، يك مساله چالش برانگيز است، اين مقاله بر آن شده است تا به مرور جديد‌ترين روش هاي موجود پرداخته و عملكرد آنها را بر روي مجموعه داده‌هاي مختلف مقايسه كند تا راهگشاي كارهاي بعدي باشد. اين مقاله ۵ روش از جديدترين روش‌هاي موجود شناسايي حركت، با راهكارهاي مختلف را مورد بررسي قرار داده و آنها را با روش‌هاي سابق مقايسه كرده است. نشان داده شده است كارايي روش‌هاي تشخيص حركت به طور معناداري متاثر از ويژگي‌هاي انتخاب شده براي شناسايي و ميزان پيچيدگي محاسباتي روش انتخابي است.

Human action recognition analysis based on 3D data is a growing issue in the world and in various sciences. With the advent of RGB-D sensors such as Microsoft Kinect, many researchers have documented depth-of-field information systems for solving vision problems to use this information to detect type of movement. In this regard, various methods have been proposed for analyzing the movement and activities performed. Since the issue of recognize action and activity is a challenge, this article has been designed to review the latest available methods and compare their performance with a variety of data in order to guide them to the next. This paper examines 5 methods of the most recent methods of motion detection, with different approaches and compares them with previous methods. It has been shown that the efficiency of motion detection methods is significantly affected by the selected features for identifying and the computational complexity of the selected method.