پروژه : تشخيص حالات انسان در ويدئو
فرمت : pdf
تعداد صفحه : 120
قیمت : مبلغ ۱۸هزار تومان
چکیده :
در دهه ي اخیر فعالیت ها و تلاش ها در زمینه هاي تعامل بین انسان و ماشین افزایش چشم گیري داشته است که باعث رشد تحقیقات در زمینه هاي تحلیل حرکات انسان، تشخیص رفتار انسان، و تعامل انسان و ماشین شده است. درك زبان هاي طبیعی، پایگاه دانش و ابزارهاي پیشرفته ي استدلال و بسیاري از ابزارهاي دیگر براي نیل به هدف "ساخت ماشین هایی که شبیه به انسان عمل می کنند"، استفاده شده اند. یک ماشین هوشمند واقعی باید قادر به استخراج اطلاعات از محیط اطراف خود بدون کمک گرفتن از عوامل و منابع خارجی باشد. یک جنبه ي کلیدي در تعامل انسان و ماشین، توانایی ماشین در تشخیص انسانها و فعالیت آن ها است.
به طور کلی براي دستیابی به درجات مناسبی از تعامل، یک ماشین باید:
قادر به شناسایی محیط اطرافش باشد.
قادر به تشخیص حضور افراد و ردیابی آنها باشد.
بتواند با دریافت ورودي هاي متنوع بهترین عکس العمل را انجام دهد.
این ورودي ها می توانند به صورت هاي مختلفی باشند از جمله دستورات صوتی و حالت هاي بصري و یا حتی ایما و اشاره که این امکانات ماشین را تبدیل به یک ماشین هوشمند می کند. عنصر اصلی در تعامل بین ماشین و انسان، این است که ماشین به مشاهده ي محیط اطراف و همچنین دستیابی به اطلاعات مربوط به حیطه ي کاري خود از بین حجم زیادي از داده ها نیاز دارد. کامپیوترها به همان صورتی که انسان می بیند نمی توانند ببینند. دوربین ها همانند سیستم بینایی انسان نیستند و در حالی که انسان می تواند بر استنباط و فرضیات اتکا کند، تجهیزات کامپیوتري باید به وسیله آزمودن و تجزیه و تحلیل کردن جداگانه پیکسل ها و تلاش کردن براي انجام نتیجه گیري با توجه به پشتوانه اطلاعاتی و روش هایی مانند شناسایی الگو مشاهده کنند. علی رغم اینکه بعضی الگوریتم هاي بینایی ماشین براي تقلید کردن از سیستم بینایی انسان توسعه یافته اند، تعداد معدودي روش براي تحلیل و شناسایی ویژگیهاي مرتبط تصاویر به صورت مؤثر و ثابت توسعه یافته اند. سیستم هاي بینایی ماشین قادر هستند به صورت ثابت تصاویر را تجزیه و تحلیل کنند، ولی پردازش تصویر بر پایه ي کامپیوتر به صورت کلی براي انجام کارهاي تکراري طراحی می شوند و علی رغم پیشرفت هاي صورت گرفته در این زمینه، هیچ سیستم بینایی ماشین قادر نیست با برخی از ویژگی هاي سیستم بینایی انسان در قالب درك تصویر، تلرانس به تغییرات نور، تضعیف قدرت تصویر و تغییرات اجزا و موارد دیگر تطبیق پیدا کند. توانایی مغز انسانها در طول زمان افزایش می یابد و رشته هاي عصبی براي پاسخگویی مناسب به محرك ها تقویت می شوند. انسان ها داراي شبکه ي عصبی با ساختار تطبیق پذیر دارند، به همین دلیل به راحتی می توانند حرکات و رفتار انسان هاي دیگر را درك کنند. در چند دهه ي اخیر، محققان بینایی ماشین سعی در شبیه کردن بینایی ماشین و توانایی هاي انسان داشته اند و در این زمینه به نتایج قابل توجهی رسیده اند. با وجود پیشرفت هایی که در زمینه ي بینایی ماشین تا کنون حاصل شده است انجام اموري همچون شناسایی و درك اتفاقات و رفتار ها براي ماشین هاي................................
سیستم هاي نظارتی زمینه ي مناسبی براي افزایش تعامل انسان و ماشین محسوب می شوند. در این رساله به بررسی یک الگوریتم بلادرنگ نظارتی می پردازیم که هدف اصلی این سیستم تشخیص حالات انسان است. تشخیص پیکسل هاي پیش زمینه با استفاده از مدل ترکیب گاوسی انجام می شود. این مدل با دریافت پس زمینه و با توجه به اطلاعات جدیدي که در هر فریم دریافت می کند، تصویر زمینه جدید و تصویر پیش زمینه را بدست میدهد. پس از حذف نویز از تصویر پیش زمینه، لبه هاي بزرگترین بلاب تصویر به روش کد زنجیره اي استخراج می شود. نتیجه ي عمل مقایسه ي وزن هاي کد هاي زنجیره اي بدست آمده با وزن حالات از پیش ذخیره شده، عنوان حالت مشاهده شده می باشد. تشخیص خودکار رفتار می تواند همیار یا حتی جایگزین مناسب انسان ها در برخی از اماکن باشد.
فهرست
فصل اول: مقدمه
1.1 کاربردهاي تحلیل رفتار
1.1.1 گرافیک کامپیوتري انیمیشن
1.1.2 نظارت
1.1.3 رابط کاربر پیشرفته
1.1.4 حرکات موزون
1.2 شناسایی
1.3 ردیابی
1.4 تشخیص رفتار
1.4.1 چرخش زمانی پویا
1.4.2 شبکه هاي عصبی
1.4.3 مقایسه ي الگو
فصل دوم: مروري بر کارهاي انجام شده
2.1 نمایش اشیا
2.1.1 نمایش مبتنی بر شکل
2.1.2 نمایش مبتنی بر ظاهر
2.2 روش هاي ردیابی
2.2.1 روش هاي مبتنی بر ناحیه
2.2.2 روش هاي مبتنی بر کانتور
2.2.3 روش هاي مبتنی بر ویژگی
2.2.4 روش هاي مبتنی بر مدل
2.3 مروري بر کارهاي انجام شده در زمینه ي تحلیل رفتار
فصل سوم: شناسایی اشیا
3.1 تشخیص تغییرات
3.1.1 تفاضل پس زمینه
3.1.2 تفاضل فریم
3.1.3 شار نوري
3.2 به روز رسانی تصویر پس زمینه
3.2.1 به روز رسانی به صورت میانگین
3.2.2 به روز رسانی ترکیبی از گاوسی ها
3.3 تکنیک هاي مشخص نمودن مقدار آستانه ي پویا
3.3.1 الگوریتم IsoData
3.3.2 الگوریتم تقارن زمینه
3.3.3 الگوریتم مثلث
3.3.4 الگوریتم بخش بندي پس زمینه- پیش زمینه
فصل چهارم: ردیابی
4.1 ردیابی اهداف
4.2 چند تعریف پایه
4.3 مشکلات ردیابی
4.4 فیلتر کالمن
4.4.1 مکانیزم بازخوردي
4.4.2 مزایاي استفاده از فیلتر کالمن
4.4.3 معایب استفاده از فیلتر کالمن
4.5 قاعده ي بیز
4.6 پارتیکل فیلتر
4.6.1 الگوریتم SIS
4.6.2 الگوریتم SIR
4.6.3 مزایاي پارتیکل فیلتر
4.6.4 معایب پارتیکل فیلتر
فصل پنجم: تشخیص رفتار
5.1 استخراج لبه
5.1.1 کد زنجیره اي
5.2 محاسبه ي وزن
فصل ششم: پیاده سازي
6.1 دریافت بزرگترین بلاب پیش زمینه
6.2 کد زنجیره اي بلاب
6.3 محاسبه ي وزن بردار کد زنجیره اي
6.3.1 محاسبه ي بردار اختلاف کد زنجیره اي
6.3.2 محاسبه ي وزن بردار اختلاف
فصل هفتم: نتیجه گیري و پیشنهادات
7.1 نتیجه
پیوست الف
مراجع
فهرست اشکال
فهرست جداول
***************************************************************************************
در صورت تمایل
به دریافت فایل فوق در مدت 10 دقیقه ، لطفاً اینجا کلیک
کنید
***************************************************************************************
مشاوره ؛نگارش پایان نامه ؛ مقاله + شبیه سازی
در تمام مقاطع دانشگاهی پذیرفته می شود
در صورت
تمایل می توانید عنوان و جزئیات پروژه خود را در قسمت نظرات این پست
اعلام فرمایید. ضمنا می توانید اطلاعات درخواستی خود را به ایمیل یا تلگرام
نمایید
ایمیل :
com.dr@yahoo.com
درباره :
تشخيص حالات انسان در ويدئو , تشخيص حالات انسان در ويدئو , جريان سازی ويدئو در اينترنت ,
|