A neural network approach to recognition of the selected human motion patterns

• Autorzy: Mikrut Z. , Smoleń M.

Warianty tytułu

PL

Rozpoznawanie wybranych wzorców ruchu za pomocą sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

In this paper we proposed a representation of the activities performed by humans in the form of a histogram of optical flow directions. Histogram was calculated in the mask of object contour and aggregated to the eight bins. The data set was based on analysis of the video clip, in which four people were performing nine activities, such as walking, sitting and rising from a chair or reaching (up and forward). To recognize the performed activity the backpropagation neural network with one hidden layer was used. The recognition results varied from 80 to 88% for individuals. It was found that it is not possible to identify a person's activities using the network trained by data of another person.

PL

W artykule zaproponowano metodę reprezentacji czynności wykonywanej przez człowieka w postaci histogramu kierunków pola ruchu. Histogram był obliczany w masce konturu sylwetki i agregowany do ośmiu kierunków. Zbiór danych powstał na podstawie analizy filmu, na którym cztery osoby wykonywały 9 czynności, takich jak chodzenie, siadanie i wstawanie z krzesła czy też sięganie (w górę i do przodu). Do rozpoznawania wykorzystano sieć neuronową typu backpropagation z jedną warstwą ukrytą. Osiągnięto wyniki rozpoznawania na poziomie 80-88% dla pojedynczych osób. Stwierdzono, że nie jest możliwe rozpoznawanie czynności danej osoby za pomocą sieci nauczonej danymi innej osoby.

Słowa kluczowe

EN

action representation; action recognition; optical flow; Horn-Schunck method; backpropagation

PL

reprezentacja czynności; rozpoznawanie czynności; przepływ optyczny; metoda Horna-Schuncka; backpropagation

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2011
• Tom: T. 15, z. 3
• Strony: 535--543
• Opis fizyczny: Bibliogr. 11 poz., rys., wykr., tab.

Twórcy

autor

Mikrut Z.

• AGH University of Science and Technology, Faculty of Electrical Engineering Automatics, Computer Science and Electronics, Departmant of Automatics, al. A. Mickiewicza 30, 30-059 Krakow, Poland

autor

Smoleń M.

• AGH University of Science and Technology, Faculty of Physics and Applied Computer Science, al. A. Mickiewicza 30, 30-059 Krakow, Poland

Bibliografia

• [1] Adamski A., Bubliński Z., Mikrut Z., Pawlik R, The image-based automatic monitoring for safety traffic lanes intersections. [in:] J. Piecha (Ed.), Transactions on TRANSPORT - SYSTEMS -TELEMATICS, Wyd. Politechniki Śląskiej, Gliwice 2004, 92-102.
• [2] Barron J.L., Fleet D.J., Beauchemin S.S., Performance of opticalflow technigues. Int. Journal of Computer Vision, 12(1), 1994, 43-77.
• [3] Horn B.K.P., Schunck B.G., Determining optical flow: a retrospective. Artificial Intelligence, 59, 1993, 81-87.
• [4] Htike K.K., Othman O.K., Comparison of Supervised and Unsupervised Learning Classifiers for Human Posturę Recognition. International Conference on Computer and Communication Engi-neering (ICCCE 2010), Kuala Lumpur, Malaysia, 2010.
• [5] Juang C.F., Chang C.M., Wu J.R., Lee D., Computer Vision-Based Human Body Segmentation and Posturę Esimation. IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans, vol. 39, No. 1, 2009, 119-133.
• [6] Juang C.F., Chang C.M., Human Body Posturę Classification by a Neural Fuzzy Network and Home Care System Application. IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans, vol. 37, No. 6, 2007, 984-994.
• [7] Li CC, Chen Y.Y., Human Posturę Recognition by Simple Rules. 2006 IEEE International Conference on Systems, Man, and Cybernetics, Taipei, Taiwan, 2006, 3237-3240.
• [8] Liu H., Hong T., Herman M., Camus T., Chellappa R., Accuracy vs. Efficiency Trade-offs in Optical Flow Algorithms. Computer Vision and Image Understanding (CVIU), 72(3), 1998, 271-286.
• [9] Lucas B.D., Kanadę T., An iterative image registration techniąue with an application to stereo vision. Proc. 7th Intl. Joint Conf. on Artificial Intelligence (IJACAI), August 24-28, Vancouver, 1981, 674-679.
• [10] Mikrut Z., Pałczynski K., Segmentacja sekwencji obrazów z wideodetektora na podstawie przepływu optycznego. Automatyka (półrocznik AGH), t. 7, z. 3, 2003, 371-384.
• [11] Tadeusiewicz R., New Trends in Neurocybernetics. Computer Methods in Materials Science, vol. 10, No. 1, 2010, 1-7.