Mô hình trọng số kết hợp các phương pháp trích chọn đặc tính trong nhận dạng hành động người

Bài viết tập trung vào nghiên cứu và xây dựng mô hình mới về nhận dạng hành động người, trong đó trọng tâm là phương pháp trích chọn đặc tính PCA, LDA nhằm giảm số chiều và độ lớn của dữ liệu, góp phần nâng cao độ chính xác khi nhận dạng. Trước tiên, từ dữ liệu chuyển động 3D, chúng tôi tiến hành tiền xử lý và trích chọn đặc tính của các đối tượng. Tiếp đến, xây dựng các mô hình nhận dạng ứng với mỗi phương pháp trích chọn đặc tính, sử dụng mô hình SVM để huấn luyện. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Mô hình trọng số kết hợp các phương pháp trích chọn đặc tính trong nhận dạng hành động người Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) MÔ HÌNH TRỌNG SỐ KẾT HỢP CÁC PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TÍNH TRONG NHẬN DẠNG HÀNH ĐỘNG NGƯỜI Nguyễn Năng Hùng Vân, Phạm Minh Tuấn, Ung Nho Dãi Khoa Công nghệ Thông tin, Trường Đại học Bách khoa, Đại học Đà Nẵng Email : nguyenvan@dut.udn.vn, pmtuan@dut.udn.vn, dai.n.ung@gmail.com Tóm tắt – Nhận dạng hành động người (tiếng Anh: Discriminant Analysis - Multi-class LDA) [5] nhằm Human Activity Recognition - HAR) là một lĩnh vực nâng cao kết quả khi nhận dạng hành động người. Điểm nghiên cứu quan trọng về thị giác máy tính. Khó khăn lớn chung của hai phương pháp này là làm giảm số lượng nhất đối với hệ thống HAR là dữ liệu từ camera thông thuộc tính của dữ liệu nhận dạng trước khi xây dựng mô dụng là chỉ quay được ở một hướng, dẫn đến sự thiếu hụt hình huấn luyện đồng thời tăng hiệu quả nhận dạng. Mỗi dữ liệu và dẫn đến kết quả nhận dạng thấp. Bài báo này, phương pháp trích chọn đặc tính khác nhau sẽ cho một tập trung vào nghiên cứu và xây dựng mô hình mới về kết quả nhận dạng khác nhau. Bài báo này sử dụng nhận dạng hành động người, trong đó trọng tâm là phương pháp trọng số để kết hợp các phương pháp trích phương pháp trích chọn đặc tính PCA, LDA nhằm giảm chọn đặc tính nhằm nâng cao hiệu quả nhận dạng. số chiều và độ lớn của dữ liệu, góp phần nâng cao độ chính xác khi nhận dạng. Trước tiên, từ dữ liệu chuyển động 3D, Nội dung của bài báo trình bày các nghiên cứu liên chúng tôi tiến hành tiền xử lý và trích chọn đặc tính của quan gồm phương pháp trích chọn đặc tính PCA, LDA các đối tượng. Tiếp đến, xây dựng các mô hình nhận dạng và phương pháp máy vectơ hỗ trợ (Support Vector ứng với mỗi phương pháp trích chọn đặc tính, sử dụng mô Machine – SVM). Sau đó bài báo trình bày phương pháp hình SVM để huấn luyện. Cuối cùng, sử dụng phương đề xuất. Cuối cùng trình bày kết quả thực nghiệm và các pháp trọng số để kết hợp kết quả của các mô hình nhận đánh giá dựa trên dữ liệu của CMU Mocap [2]. dạng và đưa ra kết quả cuối cùng. Bài báo tiến hành thực nghiệm trên dữ liệu CMU Mocap và cho thấy tỷ lệ nhận II. NGHIÊN CỨU LIÊN QUAN dạng của phương pháp đề xuất cao hơn so với những phương pháp trước đây. Trong phần này, bài báo trình bày những vấn đề liên Từ khóa - Nhận dạng hành động người; Phương pháp quan đến nghiên cứu như PCA, Multi-class LDA và phân tích thành phần chính; Phân tích biệt thức tuyến tính; phương pháp nhận dạng sử dụng SVM. Máy vector hỗ trợ. A. Phương pháp phân tích thành phần chính - PCA I. GIỚI THIỆU Phương pháp phân tích thành phần chính [4] Từ những năm 80 của thế kỷ trước, nhận dạng hành (Principal Components Analysis - PCA) là một thuật động người đã nhận được sự quan tâm, nghiên cứu của toán thống kê sử dụng phép biến đổi trực giao để biến các nhà khoa học trên khắp thế giới. Các kết quả nghiên đổi một tập hợp dữ liệu từ một không gian nhiều chiều cứu này được ứng dụng rộng rãi trong nhiều lĩnh vực sang một không gian mới ít chiều hơn. Phép biến đổi khác nhau như hệ thống an ninh, y học, giao thông và này dựa trên việc tìm trục của không gian mới sao cho giao tiếp giữa người và máy [1]. phương pháp dữ liệu chiếu lên trục đó là lớn nhất. Trong những năm gần đây, những nghiên cứu trong Thay vì giữ lại các trục tọa độ của không gian cũ, lĩnh vực nhận dạng hành động người chủ yếu tập trung PCA xây dựng một không gian mới ít chiều hơn, nhưng vào nghiên cứu và nhận dạng từ những video được quay lại có khả năng biểu diễn dữ liệu tốt tương đương không bởi các camera thông dụng. Khó khăn lớn nhất đối với gian cũ, mà vẫn đảm bảo phương sai của dữ liệu trên dữ liệu từ camera thông dụng là chỉ quay được ở một mỗi chiều mới là lớn nhất. Hình 1 là một minh họa kết hướng, dẫn đến sự thiếu hụt dữ liệu, nếu kết hợp nhiều quả của việc xây dựng không gian mới của PCA. camera thì vẫn không đảm bảo thu được toàn bộ hoạt động, đồng thời giảm hiệu năng của quá trình nhận dạng. y Nhằm khắc phục những khó khăn trên, trong những a năm gần đây đã có một số nghiên cứu về phương pháp thu thập dữ liệu 3D hay sử dụng các hệ thống chụp chuyển động dựa vào “marker” như Motion Capture [2] hoặc là sử dụng stereo camera chụp chuyển động 2D từ x nhiều hướng khác nhau để dựng thành mô hình 3D, gần b y đây nhất là dùng các thiết bị cảm biến chiều sâu chuyên dụng như Microsoft Kinect [3]. z a) Không gian dữ liệu ban đầ ...