تشخيص فعاليت انسان با استفاده از شبكه هاي گرافي عميق

كارشناسي ارشد

امروزه سيستم‌هاي نظارتي، در سرتاسر جهان، به‌طور پيوسته در حال جمع‌آوري اطلاعات هستند. از طرفي روزانه هزاران داده‌ي تصويري و ويديويي در فضاي مجازي به ‌اشتراك گذاشته مي‌شوند. استفاده از نيروي انساني براي تحليل اين ويديوها كار زمان‌بر و دشواري است. تشخيص فعاليت انسان در بازيابي و تحليل اين ويديوها، تعامل انسان و كامپيوتر، سرگرمي‌ها و ... كاربرد دارد. اين عمل، در شرايط واقعي به‌علت تغييرات روشنايي، تنوع در نوع انجام فعاليت و ظاهر افراد مختلف و ... سخت است، بنابراين به يك مدل مقاوم براي مقابله با اين چالش‌ها نياز است. با استفاده از يادگيري عميق و دسترسي به مجموعه‌داده‌اي مناسب، مي‌توان مدلي مقاوم نسبت به تغييرات طراحي كرد. در اين پژوهش، با استفاده از شبكه‌هاي كانولوشني گرافي (GCN)، GRU، لايه‌هاي تمام متصل و CNN يك بعدي، دو شبكه‌ي متفاوت معرفي مي‌كنيم. در اين پژوهش از مجموعه‌داده‌ي ETRI Activity3D كه دومين مجموعه‌داده‌ي بزرگ در زمينه‌ي تشخيص فعاليت انسان محسوب مي‌شود، استفاده كرده‌ايم. با استفاده از ورودي مفاصل، استخوانها و سرعت حركت آنها، براي هر كدام از شبكه‌ها و تركيب نتايج، به دقت 07/91 درصد رسيديم. دقت بدست‌آمده در شرايط متفاوت بودن افراد اجراكننده‌ي فعاليت در قسمت آموزش و تست، نسبت به كارهاي قبلي برتري دارد.

204899

دانشگاه علم و صنعت ايران

مهندسي برق- مخابرات سيستم

دكتر بهشتي شيرازي