یاسین معصومی

یاسین معصومی


تاریخ انتشار : Publish : نسخه قابل چاپ Print

پایان­نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی کامپیوتر گرایش هوش مصنوعی        

عنوان:

 

تشخیص خودکار رفتار انسان در تصاویر ویدیویی با استفاده از روش‌های کلاس‌بندی

 

استاد راهنما:

دکتر حسن ختن‌لو

 

اساتید داور:

دکتر میرحسین دزفولیان دکتر مهدی عباسی


پژوهشگر:

 یاسین معصومی

 

زمان: 13/07/95 ساعت 11:30

مکان: دانشکده مهندسی - کلاس


 

چکیده:

تشخیص و بازشناسی رفتار،به‌عنوان راهی کارآمد جهت شناسایی خودکار رفتار انسان، در بسیاری از زمینه‌های مهم و کاربردی مانند پزشکی،جامعه‌شناسی و یا امنیتی مورد استفاده و توجه بسیاری از جوامع قرارگرفته است. با قدرت بخشیدن به حسگرها و یادگیری ماشین، می‌توان عملکرد تشخیص سامانه‌های مرتبط با بازشناسی رفتار را تقویت کرد.در چند سال گذشته،بسیاری از روش‌ها، برای بازشناسی رفتار و حل مشکلات پیاده‌سازی آن ‌پیشنهاد شده است که نتایج مؤثر و چشمگیری  به همراه داشته است، اما به دلیل وجود زوایای محدود، تغییرات نور و حرکت‌های مکرر دوربین، این مساله را به یکی از مسائل پیچیده تبدیل کرده است. باوجود حالت‌های بسیار زیاد برای شناسایی رفتار انسان و وجود شباهت زیاد بین رفتار عادی و رفتارهای مخرب یا غیرعادی، نمی‌توان ادعای طراحی سامانه‌های خبره­ی کامل و بدون خطا را مطرح نمود و درصدد شناسایی دقیق رفتارهای انسانی بود؛ اما می‌توان با بهینه‌سازی و طبقه‌بندی بهتر، این خطا را کمتر کرد.در این رساله به‌طور خاص،تشخیص و بازشناسی رفتار انسانی با استفاده از پردازش تصویر و روش‌های طبقه‌بندی هوشمند بررسی‌ شده است و بهبود عملکرد از طریق به‌کارگیری روشی جدید مبتنی بر روش کدگذاری محدود محلی و محتوایی و استفاده از شبکه‌های عصبی مصنوعی مد نظر قرار گرفت. برای طبقه‌بندی از شبکه عصبی موجکی استفاده گردید که این  شبکه موفق به رسیدن به صحت بالا در طبقه‌بندی شد.

 


Abstract

 

Action recognition has been used as an efficient way to automatically detect of human behavior in many important fields such as medicine, sociology or security and it is considered by many communities. By empowering the sensors and machine learning can be enhanced detection performance of systems that are related to behavior recognition. In the past few years, most of methods for behavior recognizing and solving its implementation problems it has been suggested that have been remarkably and effective results, But because of the limited angles, the light changes and frequent movements of the camera, it has become one of the complex issues. Despite the large number of modes to identify human behavior and the narrow boundary between normal, Destructive and unusual behavior, Cannot proposed the claim to be complete and error-free system design expert and seek to identify human behavior. But this error can be alleviated with an optimization and better classification. In this paper specifically, we reviewed the recognition of human behavior by using image processing and Smart examine ways of categorizing And we are looking to improve performance by using a new method based on CLLC method and the use of artificial neural networks. Also Wavelet neural network was used to classify that this network failed to achieve high accuracy in the classification.

 

Key Words: Behavior Recognition, Image And Video Processing, CLLC Method, Artificial Neural Network, Wavelet Neural Network.

 

 

 

 

 

نام و نام خانوادگی:  یاسین معصومی

رشته تحصیلی: مهندسی کامپیوتر-هوش مصنوعی

آدرس ایمیل: yasin.masoumi@gmail.com

 

سوابق تحصیلی:

کارشناسی- مهندسی کامپیوتر-سخت افزار- دانشگاه صنعتی همدان

کارشناسی ارشد- مهندسی کامپیوتر-هوش مصنوعی-دانشگاه بوعلی

 

علایق شخصی:

پردازش ویدئو

پردازش تصویر

سیستم های فازی

سیستم های خبره

 

 عنوان مقالات:

 

Image contrast enhancement using optimum sub-histograms modification and preserving brightness levels mean without losing image specification