بهبود بازشناسي رفتار انسان از طريق ژست هاي بدن با به كار گيري تبديل كسينوسي گسسته

بازشناسی رفتار انسان یكی از موضوعات مهم در بینایی ماشین است و كاربردهای زیادی در رباتیك، نظارت ویددوو یی، طراحدی bag-of-correlated- واسط كاربر دارد. در این مقاله از تركیب نمایش سراسری و محلی جهت توصیف رفتار استفاده شده اسدت . از ها در توالی ویدوویی است. تصویر تاریخچه حركت Silhouette برای توصیف محلی رفتار استفاده شده كه بیانگر وابستگی بین pose فریمهای توالی ویدوو Silhouette . توسعه یافته بهعنوان توصیف گر سراسری مطرح شده و بیان كاملی از اطلاعات كلی رفتار است بهعنوان ویژگیهای ورودی توصیف گرها درنظر گرفته می شوند. در این مقاله بهدلیل بالا بودن ابعاد بردار ویژگی، از تبدیل كسینوسی است درنتیجه با DCT بهعنوان روشی برای كاهش بعد استفاده شده است. فشردهسازی دادهها اصلیترین ویژگی (DCT) گسسته انتخاب تعداد كمی از ضرایب آن، قادر به بازیابی درصد زیادی از اطلاعات خواهیم بود. ما تعداد ضرایبی را بهكار بردیم كه 89 درصدد بهبود قابل ملاحظه ای داشته IXMAS اطلاعات بردار را حفظ كند، بههمین دلیل این روش نسبت به روشهای پیشین در پایگاه داده 48 رسانده است. / و میانگین نرخ شناسایی رفتار را به 4