تشخيص فعاليتهاي انسان از تصاوير ويدئويي با استفاده از شبكه عصبي كانولوشني

امروزه شناسايي خودكار فعاليت انسان، در كاربردهاي نظارتي و مراقبت بر افراد ناتوان بسيار ضروري ميباشد. استفاده از دوربينهاي نظارتي و پردازش تصاوير حاصل شده سبب دستيابي به سيستمي هوشمند و دقيق براي شناسايي رفتار انسان ميگردد. از آنجايي كه تشخيص انسان در صحنههاي متفاوت با چالشهاي زيادي همراه است، روشهاي متعددي براي شناسايي فعاليت انسان از پردازش تصاوير ويدئويي ايجاد شدهاند. در اين پژوهش با استفاده از استخراج ويژگيهاي تصاوير اسكلت انسان شناسايي شده و با استخراج ويژگيهاي حركتي و آموزش شبكه عصبي كانولوشني به شناسايي رفتار انسان پرداخته شدهاست. شبكه عصبي كانولوشني يك روش يادگيري عميق است كه با دريافت ويژگيهاي عميق توانسته شناسايي فعاليت انسان را بهبود بخشد. روش پيشنهادي اين پژوهش بر روي پايگاه داده CAD-60آزمايش شده و 11دسته فعاليت از فعاليتهاي روزمره انسان شناسايي شدهاست. با استفاده از ارزيابي سيستم به روش K-Foldروش پيشنهادي آزمايش شده و با ساير دسته بندها مقايسه شدهاست. نتايج نشان ميدهد كه سيستم پيشنهادي با دقت 39.1 درصد توانستهاست به دستهبندي و شناسايي فعاليتها بپردازد.