فایل ارائه مدلي كارا زيرتركيب‌هاي استخراجی از وي‍ژگي جهت تشخیص فعالیتهای فیزیکی انسانی

توضیحات تکمیلی

فایل ارائه مدلي كارا زيرتركيب‌هاي استخراجی از وي‍ژگي جهت تشخیص فعالیتهای فیزیکی انسانیاین پایان نامه در قالب فرمت word قابل ویرایش ، آماده پرینت و ارائه به عنوان پروژه پایانی میباشد. شرح مختصر : درک و استخراج اطلاعات از تصاویر و فیلم فصل مشترک اکثریت مسایل مربوط به بینایی ماشین است. یافتن قسمتهای اصلی و مفید یک فیلم و مدلسازی کنشهای بین این اجزا از اهداف اصلی آنالیز فیلم به شمار می‌رود. در دهه اخیر تشخیص فعالیت انسانی با استفاده از تصاویر ویدیویی به عنوان یک بحث چالش برانگیز در بینایی ماشین مطرح شده است. از جمله کاربردهای این موضوع می‌توان به مسایل نظارتی و امنیتی، پزشکی و تعامل انسان با کامپیوتر اشاره کرد. در تشخیص فعالیت به دلیل گوناگونی زیاد در نحوه انجام یک فعالیت، استخراج اجزاء اصلی و خلاصه سازی یک فعالیت، مشکل و پیچیده است. 1- مقدمه.. 2 1-1- مقدمه.. 2 1-2- کاربردها.. 14 1-3- چالش‌ها و خصوصیات محیط.. 6 1-4- تعریف کلی مساله.. 11 2- مروری بر پژوهشهای گذشته.. 24 2-1- مقدمه.. 24 2-2- روشهای تک لایه.. 24 2-2-1- معرفی انواع روش‌های زمان- مکان.. 15 2-2-2- جمع بندی و مقایسه روش‌های زمان-مکان.. 23 2-2-3- روشهای متوالی.. 25 2-2-4- جمع بندی و مقایسه روشهای متوالی.. 26 2-3- روشهای چندلایه (سلسله مراتبی).. 26 2-3-1- روشهای آماری.. 27 2-3-2- روشهای نحوی.. 27 2-3-3- مدل توصیفی.. 28 2-3-4- جمع بندی و مقایسه روشهای سلسله مراتبی.. 28 3- مطالعه ابزارهای مورد استفاده.. 31 3-1- مقدمه.. 31 3-2- ابزارهای مورد استفاده در استخراج ویژگی.. 31 3-2-1- هیستوگرام گرادیان جهت دار.. 31 3-2-2- شار نوری.. 32 3-3- ابزارهای مورد استفاده در یادگیری ویژگی‌های سطح بالاتر 44 3-3-1- الگوی کلی در یادگیری ویژگی بدون ناظر.. 36 3-3-2- روشهای متداول در یادگیری ویژگی بدون ناظر.. 37 3-3-3- تجزیه تجربی مودی.. 61 3-4- ابزارهای مورد استفاده در دسته بندی.. 62 3-4-1- مدل مخفی مارکوف.. 62 3-4-2- ماشین بردار پشتیبان:.. 56 4- روش پیشنهادی.. 61 4-1- مقدمه.. 61 4-2- تعریف چارچوب اصلی.. 61 4-3- مراحل انجام کار.. 62 4-3-1- بیان ویدیو.. 64 4-3-2- استخراج ویژگی.. 76 4-3-3- کوانتیزه کردن کلمات و ساخت دیکشنری.. 68 4-3-4- ادغام.. 88 4-3-5- دسته بندی.. 89 4-4- چارچوبهای پیشنهادی.. 92 4-4-1- چارچوب اول:.. 92 4-4-2- چارچوب دوم:.. 92 4-4-3- چارچوب سوم:.. 83 4-4-4- چارچوب چهارم:.. 84 4-4-5- چارچوب پنجم:.. 86 5- نتایج.. 95 5-1- پایگاه داده‌های موجود.. 95 5-2- تنظیم پارامترهای مساله.. 102 5-3- نتایج.. 104 6- بحث.. 120 6-1- نوآوریها و مزایا و معایب آنها.. 120 6-2- مقایسه چارچوبهای پیشنهادی.. 113 6-3- کارهای پیشنهادی جهت آینده.. 114 6-4- جمع بندی.. 115 7- فهرست منابع.. 116 فهرست جدول‌ها عنوان صفحه جدول 5-1-نتایج روشهای ارائه شده ... پایگاه داده weizmann در حالات مختلف 105 جدول 5-2-مقایسه نتایج روشهای ارائه شده با دیگر روشها بر روی پایگاه داده Weizmann 106 جدول 5-3-نتایج روشهای ارائه شده ... پایگاه داده KTH در حالات مختلف 106 جدول 5-4-مقایسه نتایج روشهای ارائه شده با دیگر روشها بر روی پایگاه داده KTH 107 جدول 5-5-نتایج روشهای ارائه شده ... پایگاه داده UCF-sports در حالات مختلف 107 جدول 5-6-مقایسه نتایج روشهای ارائه شده با دیگر روشها بر روی پایگاه دادهUCF-sports. 108 جدول 5-7-نتایج روشهای ارائه شده ...پایگاه داده UCF50 در حالات مختلف 108 جدول 5-8-مقایسه نتایج روشهای ارائه شده با دیگر روشها بر روی پایگاه داده UCF50 108 فهرست شکل‌ها عنوان صفحه شکل 1-1- یکی از کاربردهای تشخیص فعالیت انسانی در معابر عمومی 5 شکل 1-2- کاربرد تشخیص فعالیت در پزشکی.. 5 شکل 1-3-کاربرد تشخیص فعالیت در علوم شناختی... 5 شکل 1-4-کاربرد تشخیص فعالیت در صنعت پویانمایی.. 6 شکل 1-5-مقایسه مراحل مختلف انجام فعالیت پرش با نیزه در دو فرد مختلف 9 شکل 1-6-نمونه‌های مختلف از انجام حرکت دویدن... 10 شکل 1-7-سرعت انجام یک فعالیت در افراد مختلف متفاوت است.. 9 شکل 2-1-نمودار درختی روشهای ارائه شده در تشخیص فعالیت[1]. 14 شکل 2-2-حجم زمانی مکانی برای یک فعالیت بر حسب اطلاعات شبح کلی بدن انسان [3] 15 شکل 2-3-ساخت تصویر MEI و MHI از تصاویر مختلف [4]... 16 شکل 2-4-نقاط متحرک در حین فعالیت.. 18 شکل 2-5-نقاط جذاب زمانی-مکانی پا در راه رفتن.. 20 شکل 2-6-فعالیت نوشیدن به وسیله یک سری از حرکات ابتدایی 22 شکل 2-7-بیان‌های متفاوت از مدل بدن انسان.. 24 شکل 2-8-ماسک مختلف اشکال برای تشخیص فعالیت تنیس[21] 25 شکل 2-9-مثالی از تشخیص فعالیت مشت زدن با استفاده از مدل مخفی مارکوف چند لایه. 29 شکل 3-1-چهار سلول مختلف و بردارهای اندازه و جهت گرادیان 32 شکل 3-2-استخراج ویژگی شار نوری..................... 34 شکل 3-3-قالب کلی در الگوریتمهای یادگیری ویژگی بدون ناظر[39] 37 شکل 3-4-شمای کلی روش کد گذاری تنک .. 41 شکل 3-5-مسیر کلی' تشخیص' در سیستم بینایی انسان که دارای چندین مرحله است 45 شکل 3-6-پارامترهاي مساله بهينه سازي.. 57 شکل 3-7-توانايي SVM در جداسازي داده‌هاي غير خطي و متغير جهت کنترل انحراف.. 57 شکل 4-1-دیاگرام کلی مراحل انجام کار در مدل کیف ویژگی.. 62 شکل 4-2-شمای کلی مراحل انجام کار در مدل کیف ویژگی[34]... 63 شکل 4-3-خلاصه سازی و استخراج حالات کلیدی یک فعالیت... 64 شکل 4-4-شمای کلی از ایده ساخت دیکشنری از حالات و ترکیب خطی آنها. 64 شکل 4-5-بیان ویدیو.. 66 شکل 4-6-دو منبع اصلی استخراج ویژگی شامل دانش اولیه و ویژگی‌های مستخرج از تصاویر می‌باشد... 68 شکل 4-7-دیکشنری استخراج شده از ویژگی حرکتی در جهت افقی.. 72 شکل 4-8-دو زیرفضای دوگان........................... 73 شکل 4-9-دو روش مختلف در بیان ویدیو.. 73 شکل 4-10-دیکشنری‌های شکل مستخرج از بانک فیلترهای متفاوت. 76 شکل 4-11-دو روش گروهبندی.. 77 شکل 4-12-نگاشت فریم‌های مختلف یک ویدیو و ضرایب آنها بر... پشتیبان خطی 81 شکل 4-13-هر کدام از ویژگی‌های شکل و حرکت.. 86 شکل 4-14-مرور کلی بر چارچوب اول.. 88 شکل 4-15-مرور کلی بر چارچوب دوم.. 89 شکل 4-16-مرور کلی بر چارچوب سوم.. 90 شکل 4-17-مرور کلی بر چارچوب چهارم.. 91 شکل 4-18-شمای کلی مرحله کد کردن.. 92 شکل 4-19-مرور کلی بر چارچوب پنجم.. 93 شکل 5-1-نمونه فریم کلاسهای مختلف پایگاه داده مصنوعی KTH در چند سناریو 96 شکل 5-2-نمونه فریم کلاسهای مختلف پایگاه داده Weizmann در چند سناریو 96 شکل 5-3-نمونه فریم کلاسهای مختلف پایگاه داده UCF Sports. 98 شکل 5-4-نمونه فریم کلاسهای مختلف پایگاه داده You tube. 98 شکل 5-5-نمونه فریم کلاسهای مختلف پایگاه داده UCF50 در چند سناریو 100 شکل 5-6-نمونه فریم کلاسهای مختلف پایگاه داده Hollywood در چند سناریو 101 شکل 5-7-نمونه فریم چند کلاس پایگاه داده mhdb. 101