کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6867592 | 679520 | 2015 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Action database for categorizing and inferring human poses from video sequences
ترجمه فارسی عنوان
پایگاه داده عملیاتی برای طبقه بندی و به دست آوردن انسانی از توالی های ویدئویی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
پایگاه داده عملیاتی، طبقه بندی اقدام، مدل مخفی مارکف، رگرسیون فرآیند گاوسی،
ترجمه چکیده
یکی از مشکلات در شناخت خودکار فعالیت های انسانی، طبقه بندی یک ویدیو را به یک کلاس عملی خاص با انتخاب میان تعداد زیادی از اقدامات انسانی است. تکنولوژی برای درک اقدامات انسانی پیچیده و متنوع برای نظارت خودکار، آموزش ورزشی، بازی های کامپیوتری و تعاملات انسانی ربات ضروری است. دشواری طبقه بندی ناشی از کمبود داده های مجموعه ای از اقدامات انسان است که به صورت دستی طبقه بندی شده و مناسب برای استفاده به عنوان داده های آموزشی برای طراحی طبقه بندی عمل هستند. یک سیستم ضبط حرکت مبتنی بر نشانگر، امکان سنجی دقیق اقدامات انسانی را برای تحلیل انجام می دهد. با این وجود این نوع سیستم ضبط دارای نقایص متعددی است. به طور خاص، سیستم های مبتنی بر مارکر گران هستند، مزاحم و پیچیده برای استفاده. با وجود این، استفاده شدید از یک سیستم ضبط حرکات می تواند مجموعه داده های بزرگی از اقدامات انسان را فراهم کند و مجموعه داده ها را می توان برای تسهیل دست زدن به انواع اقدامات طبقه بندی کرد. انتظار می رود مجموعه داده های مجموعه های وسیعی از اقدامات انسانی که توسط سیستم های حرکتی حرکت اندازه گیری شده اند مناسب برای طبقه بندی بخش های ویدئویی به رده درست صحیح انسان، انتخاب از میان تعداد زیادی از دسته های عمل و برای تعریف موقعیت های انسانی از ویدیو باشد. این مقاله یک مفهوم جدید برای یک پایگاه داده از اقدامات بدن انسان و یک برنامه برای درک اقدامات انسانی از ویدیو ارائه می دهد. پایگاه داده شامل پیکربندی های عمل، مانند موقعیت های بدن، توصیفگرهای از تصاویر شبح، یک مدل تصادفی که کدام هر دنباله ای از توصیف های ظاهر است، و یک مدل رگرسیون برای پیش بینی پیکربندی از توصیف پوز است. پیکربندی های عملی قبل از استفاده با اندازه گیری بسیاری از اقدامات انسانی با یک سیستم ضبط حرکت مبتنی بر نشانگر ثبت می شوند و تصاویر شبیه سازی شده از این تنظیمات ایجاد می شوند. ما تست پایگاه داده عمل در مورد وظایف طبقه بندی عمل و وظایف استنتاج بدن ستون. نتایج تجربی نشان می دهد که پایگاه داده عمل مناسب برای استفاده در هر دو طبقه بندی عمل و نتیجه استقرار است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
One of the difficulties in automated recognition of human activities is classifying a video into a specific action class by selecting among a large number of human actions. Technology for understanding complex and varied human actions is necessary for automated surveillance, sports training, computer games, and human-robot interactions. The difficulty of classification comes from a dearth of datasets of human actions that are manually categorized and suitable for use as training data for designing action classifiers. A marker-based motion capture system enables precise measurement of human actions for the purpose of analysis. This type of capture system has several drawbacks, however; in particular, marker-based systems are expensive, intrusive, and complex to use. Despite this, the intensive use of a motion capture system can provide large datasets of human actions, and the datasets can be used to facilitate handling the variety of actions to be classified. Large datasets of human actions measured by motion capture systems are expected to be suitable for use in classifying video segments into the correct human action category, selecting from among a large number of action categories, and for inferring human postures from video. This paper proposes a new concept for a database of human whole body actions and an application to understanding human actions from video. The database contains action configurations, such as positions of body parts, pose descriptors from silhouette images, a stochastic model encoding each sequence of the pose descriptors, and a regression model for predicting the configuration from the pose descriptor. The action configurations are recorded in advance of use by measuring many human actions with a marker-based motion capture system, and silhouette images are created from these configurations. We tested the action database on action classification tasks and human body posture inference tasks. The experimental results show that the action database is suitable for use in both action classification and posture inference.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Robotics and Autonomous Systems - Volume 70, August 2015, Pages 116-125
Journal: Robotics and Autonomous Systems - Volume 70, August 2015, Pages 116-125
نویسندگان
Wataru Takano, Yoshihiko Nakamura,