دانلود و نمایش مقالات مرتبط با تشخیص حرکت::صفحه 1
سیزه به در
نتیجه جستجو - تشخیص حرکت

تعداد مقالات یافته شده: 4
ردیف عنوان نوع
1 A new hybrid deep learning model for human action recognition
یک مدل جدید یادگیری عمیق ترکیبی برای شناخت عملکرد انسان-2019
Human behavior has been always an important factor in social communication. The human activity and action recognition are all clues that facilitate the analysis of human behavior. Human action recognition is an important challenge in a variety of application including human-computer interaction and intelligent video surveillance to enhance security in different domains. The evaluation algorithm relies on the proper extraction and the learning data. The success of the deep learning led to many imposing results in several contexts that include neural network. Here the emergence of Gated Recurrent Neural Networks with increased computation powers is being adopted for sequential data and video classification. However, to have an efficient classifier for assigning the class label, it is very necessary to have a strong features vector. Features are the most important information in each data. Indeed, features extraction can influence on the performance of the algorithm and the computation complexity. This paper proposes a novel approach for human action recognition based on hybrid deep learning model. The proposed approach is evaluated on the challenging UCF Sports, UCF101 and KTH datasets. An average of 96.3% is obtained when we have tested on KTH dataset
Keywords: Deep learning | Recurrent Neural Networks | Gated Recurrent Unit | Video classification | Motion detection
مقاله انگلیسی
2 روش مدلسازی پس زمینه براساس درخت تجزیه چهارگانه و اندازه گیری شدت روشنایی
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 14
تشخیص حرکت یک کار پیچیده است که بر طیف وسیعی از اجزای اساسی ایجاد می شود. به منظور اطمینان از تشخیص دقیق جسم، لازم است که این اجزاء به دقت ، به ویژه در حضور اجسام پیچیده در صحنه اجرا شود. این مقاله ، روش مدل سازی Background مبتنی بر بلوک در صحنه های پویا را با استفاده از تجزیه درخت چهارگانه و سنجش تباین ارائه می دهد. نتایج تجربی نشان داد که رویکرد ما میتواند بک گراندی موثر حتی تحت شرایط چالش برانگیز ایجاد کند.
کليدواژه: نظارت تصویری | مدل سازی پس زمینه | روش مبتنی بر ناحیه | تجزیه چهارگانه؛
مقاله ترجمه شده
3 یک روش نوین برای تخمین وضعیت انگشت و دست برای تشخیص بلادرنگ حرکت اشاره ای دست
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 13 - تعداد صفحات فایل doc فارسی: 50
این مقاله یک روش سطح بالا را برای استخراج ویژگی دست جهت تشخیص حرکت بِلادِرَنگ دست ارائه می کند. درابتدا انگشت ها به دلیل ویژگی لبه ای موازیشان، به صورت اشیای استوانه ای مدلسازی می شوند. سپس یک الگوریتم نوین جهت استخراج مستقیم انگشتها از لبه های برجسته دست پیشنهاد می شود. بادرنظر گرفتن ویژگی های هندسی دست، حرکت دست برمبنای موقعیت های انگشت، مکان مرکز کفت دست و موقعیت مچ دست، قطعه بندی شده و توصیف می شود. یک الگوریتم تصویر شعاعی وزنی با منشأ موقعیت مچ دست برای موضعی کردن هر انگشت به کار برده می شود. سیستم تولید شده می تواند نه تنها انگشت های امتدادی، بلکه انگشت های خمشی را نیز با دقت بالایی استخراج کند. به علاوه، چرخش دست و تغییر زاویه انگشت هیچ تاثیری روی عملکرد این الگوریتم ندارند. جهت گیری حرکت می تواند بدون کمک جهت بازو محاسبه شود و توسط ناحیه عریان بازو اذیت نخواهد شد. آزمایشاتی برای نشان دادن اینکه روش پیشنهادی می تواند ویژگی سطح بالای دست را مستقیما" استخراج کند و وضعیت های بلادرنگ دست را تخمین بزند، انجام شده است.
کلیدواژه ها: بینایی ماشین | مدلسازی انگشت | لبه ساکن دست | عملگر پیچشی | تشخیص بلادرنگ حرکت اشاره ای دست
مقاله ترجمه شده
4 Easy gesture recognition for Kinect
تشخیص حرکت آسان برای کینکت-2014
Recent progress in entertainment and gaming systems has brought more natural and intuitive human– computer interfaces to our lives. Innovative technologies, such as Xbox Kinect, enable the recognition of body gestures, which are a direct and expressive way of human communication. Although current development toolkits provide support to identify the position of several joints of the human body and to process the movements of the body parts, they actually lack a flexible and robust mechanism to perform high-level gesture recognition. In consequence, developers are still left with the time-consuming and tedious task of recognizing gestures by explicitly defining a set of conditions on the joint positions and movements of the body parts. This paper presents EasyGR (Easy Gesture Recognition), a tool based on machine learning algorithms that help to reduce the effort involved in gesture recognition. We evaluated EasyGR in the development of 7 gestures, involving 10 developers. We compared time consumed, code size, and the achieved quality of the developed gesture recognizers, with and without the support of EasyGR. The results have shown that our approach is practical and reduces the effort involved in implementing gesture recognizers with Kinect. Keywords: Natural user interfaces Gesture recognition Machine learning Kinect Human-computer interaction Gesture-recognition framework
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi