مقاله آموزشی شبیه سازی شده تشخیص فعالیت انسانی با روش دینامیک با متلب + دیتا

انتخاب این مقاله بدین جهت بوده که جزو مقالات پر رفرنس می باشد .

از طرفی دیتاست آن نیز موجود است.

10 نوع فعالیت توش هست .

آدرس دیتا

خلاصه
ما یک رویکرد جدید برای تشخیص فعالیت های انسانی ارائه می دهیم. این روش از توصیفگرهای بافت پویا برای توصیف حرکات انسان به روش فضایی و زمانی استفاده می کند. از همین ویژگی ها برای تشخیص انسان نیز استفاده می شود، که کل رویکرد ما را از نظر محاسباتی ساده می کند. با پیروی از روندهای اخیر در تحقیقات بینایی کامپیوتری، روش ما بر روی داده های تصویری به جای شبح ها کار می کند. ما روش خود را بر روی یک مجموعه داده در دسترس عموم آزمایش می کنیم و نتیجه خود را با روش های پیشرفته مقایسه می کنیم.
معرفی
تشخیص فعالیت های انسانی در سال های اخیر به یک موضوع تحقیقاتی مهم در بینایی کامپیوتر تبدیل شده است. به دلیل حوزه های کاربردی مهمی که دارد مانند نمایه سازی ویدئو، نظارت، تعامل انسانی با کامپیوتر، تجزیه و تحلیل ویدئوهای ورزشی، محیط های هوشمند و غیره توجه زیادی را به خود جلب کرده است. شناسایی و شناسایی فعالیت های مختلف در زمان واقعی. همچنین از آنجایی که افراد متفاوت به نظر می رسند و متفاوت حرکت می کنند، الگوریتم های طراحی شده باید قادر به مدیریت تغییرات در انجام فعالیت ها و مدیریت انواع محیط ها باشند. رویکردهای بسیاری برای تشخیص فعالیت های انسانی در ادبیات ارائه شده است [4، 12]. اخیراً به جای تجزیه و تحلیل هر فریم از داده ها به طور جداگانه، توجه زیادی به تجزیه و تحلیل حرکات انسان در فضای مکانی-زمانی شده است. بلنک و همکاران [1] از silhouettes برای ساخت حجم فضا-زمان استفاده کرد و از خواص حل معادله پواسون برای تشخیص فعالیت استفاده کرد. که و همکاران [7] آبشاری از فیلترها را بر اساس ویژگی های حجمی برای شناسایی و تشخیص اعمال انسان بسازید. ششتمن و ایرانی [19] از یک روش مبتنی بر همبستگی در سه بعدی استفاده کردند در حالی که کوبیاشی و اوتسو [10] از خودهمبستگی محلی مرتبه بالاتر مکعبی برای توصیف حرکات انسان استفاده کردند.