Key points are not available for this paper at this time.
يعتبر التعرف على الأنشطة البشرية أمرًا أساسيًا لتحسين العلاقات والتفاعلات بين الأشخاص لأنه يوفر رؤى مهمة حول هوية الشخص وشخصيته وحالته النفسية. تظهر الصعوبات في هذا المجال من خلال مدى صعوبة استخراج هذه المعلومات بشكل مناسب. يركز البحث في الذكاء الاصطناعي والتعلم الآلي بشكل أساسي على قدرة البشر على إدراك الأفعال، مما يعزز التطورات في مجموعة واسعة من التطبيقات. تتطلب أنظمة التعرف على الأنشطة الموثوقة مجموعة متنوعة من التطبيقات، بما في ذلك الروبوتات، وتفاعل البشر مع الحاسوب، والمراقبة بالفيديو. أصبح التعرف على الأنشطة البشرية مجالًا مهمًا للبحث في تحليل الصور والفيديو. وقد فحصت العديد من الأبحاث هذا الموضوع على مر الزمن، موضحةً أهميته والبحث المستمر عن أساليب أفضل. في هذا الصدد، نقترح طريقة فريدة لتحسين دقة التعرف على الأفعال والأنشطة البشرية باستخدام OpenCV وشبكات العصبونية التلافيفية وشبكات العصبونية البيانية المعتمدة على التعلم العميق. تستخدم طريقتنا خوارزميات CNN وGCN، التي تتميز بقدرتها على العثور على الميزات والأنماط في الصور وتسلسلات الفيديو، لتدريب مجموعة بيانات كبيرة. يتم تعزيز هذا باستخدام OpenCV، وهي تقنية قوية للرؤية الحاسوبية في الوقت الحقيقي، مما يسهل تنفيذ نظام التعرف. تسعى طريقتنا لتحقيق دقة عالية في تحديد وتصنيف مختلف الأنشطة البشرية من خلال الجمع بين CNN وGCN وOpenCV، متقدمة في مجالات مثل الأمن، وتصميم واجهات المستخدم، والأنظمة الذاتية.
د studied هذا السؤال.