بازشناسایی فعالیت‌های انسان در ویدیو با استفاده از ویژگی‌های FREAK-HOG و ماشین بردار پشتیبان آبشاری

Abstract

در سال‌های اخیر، بازشناسایی خودکار فعالیت‌های انسان در ویدیو تبدیل به یکی از حوزه‌های مهم تحقیقاتی شده است. دامنه کاربرد این تحقیقات گسترده بوده و در سامانه‌هایی نظیر سامانه‌های نظارتی و امنیتی، رابط‌های کاربریِ واکنش‌گرا، آموزش و مراقبت‎های بهداشتی، استخراج اطلاعات حرکتی-رفتاری مورد استفاده و بهره برداری قرار گرفته است. اما چالش‌هایی نظیر تغییرات شدت روشنایی تصاویر، متحرک بودن پس زمینه و دوربین، شلوغی و ازدحام، پیچیدگی و تنوع فعالیت انجام شونده باعث شده‌اند توسعه‌ سامانه‌هایی که از نظر دقت بازشناسایی مورد اطمینان بوده و در عین حال سرعت عمل قابل قبولی داشته باشند، با مشکل مواجه شود. یکی از روش‌های مرسوم در این حوزه، استفاده از اطلاعات حرکتی نقاط ویژگی استخراج شده در توالی فریم‌ها و توصیف حرکت‌های انجام گرفته در آن و متعاقبا بازشناسایی فعالیت است. در این مقاله با هدف افزایش دقت بازشناسایی فعالیت‌ها، استفاده از یک توصیف‌گر بافتی الهام گرفته شده از شبکیه چشم انسان و ترکیب آن با یک توصیف‌گر ظاهری-حرکتی برای توصیف نقاطِ ویژگی استخراج شده در توالی فریم‌ها پیشنهاد می‌شود. همچنین برای افزایش سرعت ساخت مدل و کاهش هزینه‌های بالاسری ناشی از ترکیب ویژگی‌های پیشنهاد شده، یک رویکرد آبشاری برای ساخت مدل طبقه‌بندی کننده ارائه می‌شود. نتایج آزمایشات انجام گرفته بر روی پایگاه‌داده‌ی بزرگ UCF101 نشان می‌دهد که روش پیشنهادی دقت و سرعت عملکرد بسیار خوبی دارد و کارایی آن قابل مقایسه با آخرین دستاورد‌ها در این حوزه است.