ترجمه مقاله شناخت فعالیت انسان با بهره گیری از ویژگی دینامیک عمل - نشریه الزویر

ترجمه مقاله شناخت فعالیت انسان با بهره گیری از ویژگی دینامیک عمل - نشریه الزویر
قیمت خرید این محصول
۴۱,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
چارچوب واحد پیشنهادی برای شناخت فعالیت (حرکت) انسان با بهره گیری از ویژگی های دینامیک عمل
عنوان انگلیسی
A proposed unified framework for the recognition of human activity by exploiting the characteristics of action dynamics
صفحات مقاله فارسی
31
صفحات مقاله انگلیسی
14
سال انتشار
2016
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
5519
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
هوش مصنوعی، مهندسی نرم افزار و مهندسی الگوریتم ها و محاسبات
مجله
سیستم های خودمختار و روباتیک - Robotics and Autonomous Systems
دانشگاه
گروه الکترونیک و ارتباطات مهندسی، دانشگاه فنی Delhi، هند
کلمات کلیدی
تشخیص حرکت انسان، تصویر ثابت تک، مدل منطق فازی، نمایش حالت مبتنی بر لبه، ویژگی چرخشی
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
نکات مهم
چکیده
1. مقدمه
2. انگیزه و کمک های این تحقیق
3. 2-2: رهیافت های کلی
2.کارهای مرتبط
2-1: رهیافت های مبتنی بر تصاویر ثابت
2-2: رهیافت های کلی
2-3: رهیافت های محلی
3.روش پیشنهادی
3-1: بررسی اجمالی چارچوب
3-1-1: استخراج فریم کلیدی منفرد
3-2: محاسبه SDEG
3-3: محاسبه جهت شبح انسان
3-3-1: استخراج شبح انسان
3-3-2: محاسبه ویژگی چرخش
3-4: محاسبه بردار ویژگی نهایی
4.نتایج تجربی و مباحثه
4-1: ارزیابی عملکرد در پایگاه داده
4-2: مقایسه نتایج
5.نتایج
نمونه چکیده متن اصلی انگلیسی
Abstract

The aim of this paper is to present a novel integrated framework for the recognition of human actions using a spatial distribution of edge gradient (SDEG) of human pose and detailed geometric orientation of a human silhouette in a video sequence. The combined descriptor endows a wealthy feature vector dictionary having both the appearance and angular kinematics information that significantly wraps the local and global information and provides discriminative depiction for the action recognition. The SDEG is computed on a still image at different levels of resolution of sub-images, and still images of the human poses are extracted from the input video sequence using fuzzy trapezoidal membership function based on the normalized histogram distance between the contiguous segment frames. The change of geometric orientation of human silhouette with time is computed using normalized R-Transform. To validate the performance of the proposed approach, extensive experiments are conducted on five publicly available human action datasets i.e. Weizmann, KTH, Ballet Movements, Multi-view i3dPost, and IXMAS. The recognition accuracy achieved on these datasets demonstrates that the proposed approach has an abundant discriminating power of recognizing the variety of actions. Moreover, the proposed approach yields superior results when compared with similar state-of-the-art methods.

نمونه چکیده ترجمه متن فارسی
چکیده
هدف این مقاله ارائه چارچوب واحد نوین برای شناخت فعالیت های انسان با استفاده از توزیع فضایی گرادیان لبه (SDEG) (گرادیان لبه: تغییرات سایه روشن یا سایه جزئی ناشی از شکل سه بعدی اشیاء) ژست انسان و جهت هندسی دقیق شبح انسان در یک سکانس ویدیویی می باشد. توصیف کننده ترکیبی یک فرهنگ لغت بردار ویژگی هندسی که دارای اطلاعات ظاهر و سینماتیک زاویه ای است، اعطا می کند؛ که به طور چشمگیری اطلاعات محلی و کلی را دربر می گیرد و یک تصویر مجزا برای شناخت عمل (حرکت) فراهم می کند. SDEG در یک تصویر ثابت، در سطوح مختلف از رزولوشن (وضوح) زیرتصاویر محاسبه می شود و تصاویر ثابت از ژست های انسان از سکانس ویدیویی ورودی با استفاده از تابع عضویت فازی ذوزنقه ای مبتنی بر فاصله هیستوگرام نرمال بین فریم های بخش پیوسته استخراج می شوند. تغییر جهت هندسی شبح انسان با زمان، با استفاده از تبدیل R نرمال محاسبه می شود. برای اعتبارسنجی عملکرد رهیافت پیشنهادی، آزمایشات گسترده ای در پنج مجموعه داده عمومی موجود از حرکت انسان، یعنی Weizmann، KTH، حرکات رقص باله، چندنمای i3dPost و IXMAS انجام شده است. دقت تشخیص حاصل در این مجموعه داده ها نشان می دهد که رهیافت پیشنهادی توان تمییز بسیاری در شناخت مجموعه متنوعی از حرکات دارد. علاوه برآن، رهیافت پیشنهادی درمقایسه با روش های پیشرفته مشابه نیز نتایج بهتری را ایجاد می کند.

بدون دیدگاه