آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,548 |
| تعداد مقالات | 18,871 |
| تعداد مشاهده مقاله | 63,088,487 |
| تعداد دریافت فایل اصل مقاله | 22,958,888 |
تشخیص حرکت انسانی با استفاده از روش‌های یادگیری عمیق به همراه تلفیق‌های با ناظر | ||
| پردازش سیگنال پیشرفته | ||
| دوره 6، شماره 2 - شماره پیاپی 9، مهر 1404، صفحه 277-291 اصل مقاله (4.93 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/jasp.2024.53412.1203 | ||
| نویسندگان | ||
| مهسا مظفری وانانی1؛ رضا روحانی سروستانی* 2 | ||
| 1گروه آموزشی مهندسی کامپیوتر نرم افزار- دانشکده فنی مهندسی دانشگاه شهرکرد- شهرکرد | ||
| 2گروه آموزشی مهندسی کامپیوتر نرم‌افزار- دانشکده فنی مهندسی- دانشگاه شهرکرد- شهرکرد | ||
| چکیده | ||
| با پیشرفت علم و گسترش روزافزون هوش مصنوعی، شناخت حرکات انسانی توسط رایانه‌ها به یک زمینه‌ی تحقیقاتی مهم تبدیل شده است. تشخیص حرکت به دلیل پیچیدگی حرکت انجام شده، شرایط آب و هوایی ناپایدار، شدت نور و تغییر زاویه دید دوربین با چالش‌های فراوانی روبه‌رو می‌باشد. برای نمایش حرکت، از دو نوع‌داده کارا و مفید ساختار اسکلتی بدن و ویدیو رنگی حاصل از دوربین کینکت استفاده می‌شود که در این مقاله مختصات اسکلت بدن علاوه بر دوربین کینکت با استفاده از روش‌های نوین یادگیری عمیق با دقت بالا تولید شده است. با استخراج ویژگی‌های تأثیرگذار از هر نوع‌داده به کمک روش‌های به‌روز ریاضیاتی و شبکه‌های عصبی، تشخیص حرکت با هر کدام از آن‌ها انجام می‌شود. هر یک از این نوع‌داده‌ها، به‌تنهایی قادر به ارائه‌ی اطلاعات خاص و متفاوت از حرکت انسان می‌باشند. در مرحله دوم این پژوهش، به هدف بهره‌گیری از ویژگی‌های هر دو نوع‌داده در کنار هم، از دو روش کارآمد تلفیق با نظارت MFA و BGLPCCA برای شناسایی حرکت انسانی استفاده می‌گردد. روش پیشنهادی پژوهش حاضر، چارچوبی برای تشخیص حرکت با یک نوع‌داده و چندین نوع‌داده است و دلیل برتری آن کسب مقدار صحت بالا در زمینه تشخیص حرکات انسانی می‌باشد. | ||
| کلیدواژه‌ها | ||
| شناخت حرکات انسانی؛ ساختار سه بعدی اسکلت بدن؛ ویدیو رنگی؛ استخراج ویژگی؛ تلفیق ویژگی؛ یادگیری عمیق | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 793 تعداد دریافت فایل اصل مقاله: 111 |
||