3-डी मुद्रा डेटा का उपयोग करके मानव गतिविधि मान्यता प्रक्रिया

इस पेपर में, हम आरजीबी-डी कैमरा, अर्थात Microsoft Kinect द्वारा संवेदन की गई जानकारी का उपयोग करके मानव गतिविधियों को पहचानने के लिए एक विधि प्रस्तुत करते हैं। हमारा दृष्टिकोण Kinect के माध्यम से मानव शरीर के कुछ प्रासंगिक जोड़ो के अनुमान पर आधारित है; तीन विभिन्न मशीन लर्निंग तकनीकों, अर्थात् K-मीन्स क्लस्टरिंग, सपोर्ट वेक्टर मशीनें, और हिडन मार्कोव मॉडल, को मिलाकर गतिविधि करते समय शामिल मुद्राओं का पता लगाने, उन्हें वर्गीकृत करने, और प्रत्येक गतिविधि को ज्ञात मुद्राओं के स्पैशियोटेम्पोरल विकास के रूप में मॉडल करने के लिए उपयोग किया जाता है। प्रयोग Kinect Activity Recognition Dataset, एक नया डेटासेट, और CAD-60, एक सार्वजनिक डेटासेट पर किए गए। प्रयोगात्मक परिणाम दिखाते हैं कि हमारा समाधान आरजीबी-डी छवि संलयन, पदानुक्रमित मैक्सिमम एंट्रोपी मार्कोव मॉडल, मार्कोव रैंडम फील्ड्स, और Eigenjoints पर आधारित चार प्रासंगिक कार्यों से बेहतर है। हमने जो प्रदर्शन प्राप्त किया है, अर्थात प्रिसिजन/रिकॉल 77.3% और 76.7%, और वास्तविक समय में गतिविधियों को पहचानने की क्षमता, लागू उपयोग के लिए आशाजनक है।