Cuboid 선택을 이용한 시점변화에 강인한 실시간 행동 인식 시스템 개발
- 주제(키워드) 행동인식
- 발행기관 고려대학교 대학원
- 지도교수 이성환
- 발행년도 2015
- 학위수여년월 2015. 2
- 학위구분 석사
- 학과 일반대학원 컴퓨터·전파통신공학과
- 원문페이지 37 p
- 실제URI http://www.dcollection.net/handler/korea/000000058094
- 본문언어 한국어
- 제출원본 000045828226
초록/요약
본 논문에서는 시점이 변화할 때 유사도 계산의 복잡함 때문에 실생활 환경에 적용하기 어려운 문제를 해결하기 위해 시공간 관심점 기반의 시점 변화에 강인한 실시간 특징 추출 방법을 제안한다. 시점이 변화할 때 각 시점간의 유사도를 계산하는 복잡함을 줄이기 위해서 우리는 시공간 관심점에서 가장 의미 있는 특징들만을 선택하는 방법을 통해 실시간에서 시점변화에 강인한 행동인식 시스템을 제안한다. 이를 통해 각 시공간 관심점들에 속성을 부여하고 코드화하여이웃하는 점들과의 관계를 효과적으로 나타냈다. 부호화된 코드의 분포도를측정하여 기존의 위치정보보다 시점 변화에 더 강인하게 나타낼 수 있다. 시점별로 SVM (Support Vector Machine) 을 통해 분류기를 학습하여, 최종 분류는각 분류기의 기대값 비교를 통해 이뤄진다. 제안하는 시스템은 2가지 방식으로 평가한다. 실생활 환경 데이터에서 실시간 정확도를 측정하였으며 평균 94.25%의 인식률을 보였다. 또한, IXMAS multi-view action 벤치마크 데이터셋에서도 실험을 진행하였으며 평균 85.70% 의 인식률을 보여 최근 기술들과 경쟁력있는결과를 얻었다.
more목차
1 서론 1
2 관련 연구 3
2.1 2차원에서의 시점변화에 강인한 행동식 . . . . . . . . . . . . . 3
2.2 3차원에서의 시점변화에 강인한 행동식 . . . . . . . . . . . . . 4
2.2.1 관절 정보 기반의 행동인식 . . . . . . . . . . . . . . . . . 4
2.2.2 깊이 영상 기반의 행동인식 . . . . . . . . . . . . . . . . . 5
3 시점변화에 강인한 행동 인식 7
3.1 Cuboid Detector . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.1.1 관심점 추출 . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.1.2 Cuboid . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Cuboid Detector 선택 . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 MLTP 히스토그램 . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4 행동인식 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4 실험 결과 및 분석 17
4.1 실생활 환경에서 인식 . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 IXMAS multi-view action 데이터셋에서 인식 . . . . . . . . . . . 21
5 결론 25
