Thesis

تشخیص و شناسایی اعمال انسان با استفاده از مدل مخفی مارکوف فازی

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

تشخیص و بازنمایی اعمال انسان یکی از موضوعات مهم و چالش برانگیز در حوزه ی بینایی ماشین می باشد که دارای کاربردهای فراوانی همچون نظارت خودکار، تعامل انسان با کامپیوتر، جستجو در پایگاه های ویدیویی، برچسب زدن خودکار ویدیوها می باشد. بسیاری از اعمالی که توسط انسان انجام می شود از نظر الگوی حرکتی به هم شبیه می باشند و تفکیک و تشخیص آنها از هم در بسیاری از کاربردها داری اهمیت می باشد. بنابراین یکی از چالش های الگوریتم های تشخیص، تفکیک این گونه اعمال از همدیگر می باشد. هدف از این پژوهش ارائه ی روشی برای بهبود نرخ تشخیص اعمال انسان و به ویژه اعمال مشابه می باشد. رویکردهای پیشنهادی در این پژوهش را می توان از دو جنبه ی الگوریتم تشخیص و روش های استخراج ویژگی بررسی نمود. رویکرد پیشنهادی برای بهبود نرخ تشخیص، ترکیب مفاهیم فازی در مدل مخفی مارکوف و ارائه ی روشی به نام مدل مخفی مارکوف فازی (fuzzy hmm) برای تشخیص اعمال انسان می باشد. در فاز ایجاد نمادهای مورد استفاده در مدل مخفی مارکوف کلاسیک، از خوشه بندی بردارهای ویژگی استفاده می شود و هر بردار ویژگی به یک خوشه تعلق پیدا می کند. اما در فاز نمادسازی مدل مخفی مارکوف فازی هر بردار ویژگی با تخصیص یک درجه ی تعلق فازی به تمام خوشه ها تعلق پیدا می کند. این امر باعث می شود که قدرت این روش در تشخیص اعمال مشابه از مدل مخفی مارکوف بیشتر باشد. برای توصیف شخص انجام دهنده ی یک عمل نیز از دو ویژگی اسکلتی و فضایی-زمانی استفاده شده است. ویژگی اسکلتی قبلاً در تشخیص اعمال استفاده شده است، اما با تغییراتی که در اینجا در نحوه ی تشکیل بردار ویژگی انجام شده است، زمان لازم برای مقایسه ی دو بردار ویژگی از این نوع به مقدار قابل توجهی کاهش پیدا کرده است. همچنین در این پژوهش از ویژگی های فضایی-زمانی که تاکنون به همراه دسته بندهایی غیر ترتیبی مثل ماشین بردار پشتیبان و k-نزدیکترین همسایه استفاده شده است به عنوان ویژگی برای مدل مارکوف مخفی فازی که روشی ترتیبی می باشد، استفاده شده است. ارزیابی روش های پیشنهادی بر روی دو مجموعه داده ای weizmann و kth انجام شده است و نرخ تشخیص بدست آمده برای این مجموعه داده ها به ترتیب 89/98% و 96/91% می باشد. این نتایج موفقیت این الگوریتم در تشخیص اعمال مشابه را نشان می دهد.

Supervisors and advisors

نصرالله مقدم چرکری، بهزاد اکبری نودوزقی

Similar theses

  • چهارچوبی جهت تشخیص ژست دست با استفاده از فیلتر کالمن و مدل مخفی مارکوف

    Thesis2012وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیر انتفاعی و غیر دولتی نبی اکرم - دانشکده فنیمرتضی محمدی قراسویی

    هدف از محاوره انسان و کامپیوتر، رسیدن به محاوره ای شبیه به کار انسان با انسان در مورد انسان با کامپیوتر می باشد. ژست ها نقش مهمی را در زندگی روزانه انسان ها جهت انتقال اطلاعات و بیان احساسات بازی می کنند. ژست ها پیامدی از حرکت بخشی از بدن می باشند که یکی از این حرکت های بسیار پرک

  • شناسایی بدافزارهای دگرگون با استفاده از مدل مخفی مارکوف

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده کامپیوتر و فناوری اطلاعاتحسین علیزاده مقدم

    در تحقیقات صورت گرفته تا کنون استفاده از مدلهای مخفی مارکوف(hmm) جهت تشخیص بد افزارهای دگرگون نتایج خوبی به عمل آورده است. این درحالیست که برخی بدافزارها از جمله mwor و metaphor توانسته اند با استفاده از متدهای دگرگونی خود را همانند فایلهای سالم ساخته و مانع تشخیص خود شوند. روش h

  • تشخیص برون خطی کلمه دست نوشته فارسی با استفاده از مدل مخفی مارکوف

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده برقزهرا ایمانی

    در این پایان نامه سیستمی برای بازشناسی برون خط کلمات دست‎نویس فارسی ارائه شده است. پیچیدگی نگارش فارسی و شکل متفاوت حروف بسته به موقعیت آن که اول کلمه، وسط کلمه، انتهای کلمه یا جدا از بخش های دیگر کلمه باشد بازشناسی کلمات در این زبان را بسیار دشوار نموده است. بطوریکه درصد بازشناس

  • ارائه روشی برای آشکارسازی مطمئن حالت های غیرنرمال شبکه های حسگر بی سیم با استفاده از مدل مخفی مارکوف

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه صنعت آب و برق (شهید عباسپور) - دانشکده برق و کامپیوترامید شهبازی

    در این پایان نامه روشی برای آشکارسازی مطمئن حالت های غیر نرمال شبکه های حسگر بی سیم با استفاده از مدل مخفی مارکوف ارائه شده است. حالت های غیر نرمال بنا به تعریف شامل تمامی الگوهایی از رفتار سیستم می باشند که با هیچ یک از حالت های نرمال سیستم مطابقت ندارند. حالت های غیرنرمال شبکه

  • سیستم تشخیص نفوذ مبتنی بر مدل مخفی مارکوف

    Thesis2014دانشگاه امام رضا علیه اسلام - دانشکده مهندسی کامپیوترجمال کریمیان

    یکی از اساسی¬ترین معیارهای یک سیستم تشخیص نفوذ ایده آل، به دست آوردن نرخ مثبت کاذب پایین و نرخ تشخیص بالا است. سیستم¬های تشخیص نفوذ مبتنی بر امضا در تشخیص حملات جدید ناتوان می¬باشند و امروزه سیستم های مبتنی بر ناهنجاری استفاده می¬شوند.مهم¬ترین پارامتر در این سیستم ها نرخ مثبت کاذ

  • کشف و شناسایی بدافزارها با استفاده از ترکیب مدل n-gram و مدل مخفی مارکوف (hmm)

    Thesis2014دانشگاه امام رضا علیه اسلام - دانشکده مهندسی برق و کامپیوتربصیر پچاز

    در یک تعریف کلی، می توان کلیه ی کدهای مخربی که بالقوه توانایی آسیب رساندن به سیستم های کامپیوتری یا شبکه ای از سیستم های کامپیوتری را دارند، بدافزار نامید. رشد کمی و کیفی بدافزارها در سال های اخیر به مدد افزایش کیفیت و کمیت کیت های تولید ویروس و ظهور تکنولوژی های نوین جهت تولید و

Similar items