آشکارسازی فعالیت های انسان

مقدمه

مهمترین مسئله در بینایی کامپیوتر لبه یابی و فهمیدن رفتار انسان است . در این محدوده مدل های زیادی که تعامل بین کامپیوتر و انسان است ایجاد شده است . مثل : طراحی رابط کاربر، رباط یاد گیرنده، نظارت. اما از همه اینها بالاتر آشکار سازی فعالیت های انسان است و فهمیدن انگیزه و حرکت کردن او و مشاهده وضعیت آن است . این کار مشکل است . چون ممکن است ترجمه غلطی از رفتارها صورت گیرد . کاربردهای بینایی ماشین رو به افزایش است و هدف کلی طراحی ماشینی است که توانایی اثرمتقابل هوشمندانه از خود نشان دهد و زحمت انسان را در آن زمینه کم کند . که در زیرنمونه های آن را مشاهده می کنید .

1. حقیقت مجازی      :  بازی  ، انیمیشن، کنفرانس از راه دور        
2. سیستم نظارت هوشمند  : کنترل دسترسی ، فروشگاههای بزرگ، ترافیک ، ماشین خودپرداز
3. رابط کاربر پیشرفته :  مترجم زبان ، کنترل رفتار راننده ، علامت دهی محیطهایی با نویز بالا
4. آنالیز حرکت  : تعلیم گلف و تنیس

درحال حاضر سناریوها به یک محیط هوشمنداحتیاج دارند برای اینکه بدانند شخص در حال انجام چه کاری است یا قصد انجام چه کاری را دارد.تکنولوژی ردیابی فعالیت های انسان بر روی مشاهدات مستقیم از انسان و رفتارش وتمرکز شده است البته به وسیله دوربینهایی که شامل شتاب سنج و یا اتصالات سوئیچ است.به تازگی راه های امیدوارکننده ای برای تکمیل مشاهدات مستقیم با یک شیوه غیر مستقیم وجود دارد،از طریق تشخیص فعالیت های افراد از روی اثراتی که روی محیط  خصوصا روی اشیاء می گذارند .

فعل و انفعالات افراد بر روی یکدیگر اثر متقابل دارد . برای نمایش رفتارهای انسان به طور سلسله مراتبی می توان از گراف به عنوان یک ابزار پویا استفاده  استفاده کرد . محققان ازسه تکنولوژی اصلی برای تشخیص فعالیتهای انسان استفاده می کنند:بینایی کامپیوتر،سنسورفعال دیدن وRFID .

کلمات کلیدی

 رنگ ، شکل ، حرکت ، صدا ، ردیابی ، آشکارسازی انسان ، حسگر ، بینایی ماشین

مشکلات

لبه یابی ،کاهش نویز ، شناسایی ، نظارت و کشف فعالیت ها .

به طورکلی برای تشخیص حرکت نیاز به قطعه بندی و ردیابی داریم  که بعد از قطعه بندی باید در صورت وجود نویز آن را از بین برده و  لبه ها را مشخص  و تصویر را کوانتیزه می کنیم .

کاربردها

1.      درک تصویر و کشف خطر در مسائل امنیتی

2.      طرح ریزی محیط های شهری

3.      امنیت عمومی و کنترل شلوغی

4.      حفاظت در زمانهای وقوع حوادث بحرانی

5.      مراقبت از بیماران و سالمندان در محیط خانه از راه دور

6.      عملیات جستجو و نجات

7.      ...

در محدوده نظارت سیستم خودکار در محل های مورد نیاز نصب شده رفت و آمد ها را مشاهده می کند و فعالیت های خطرناک را مشخص می کند .

 در بازبینی صحنه های پر جمعیت اندازه شلوغی و ردیابی حرکت های افراد کاربرد زیادی دارد . برای مثال :ترافیک تقاطع ها که سیستم سیگنال های راه رفتن را مشخص می کند . تعداد افرادی که از خط عابر عبور می کنند . تعداد افراد را در منطقه ای شلوغ مثل ورودی مدارس که مشخص می کند در ورودی شلوغ است یا خلوت . به طور کلی در طرح ریزی محیط های شهری کاربرد دارد . پس با قرار دادن دوربین ها در مکان های مناسب  از راه دور اندازه گروه ها  و تعداد مرم را می توانیم  مشخص کنیم .

برای شناسایی حرکت های بشر در حین حرکت ، حرکت ها را در چندین کلاس دسته بندی می کنیم . خصوصیت حرکتی به صورت مدل های دوبعدی و سه بعدی از بدن انسان ساخته می شوند . ما از آنالیز مولفه های اصلی  که طبقه بندی می شوند استفاده می کنیم . حرکت های انسان را در چندین فریم کوتاه بررسی می کنیم و آنچه که از حرکت ها مشخص می شود را دسته بندی می کنیم . که یک ماشین برداری آن را نگه می دارد یا ممکن است با چندین دوربین از زوایای مختلف از یک شخص فیلم بگیریم و بعد ترکیب این زوایا باعث می شود که سیستم به جهان واقعی نزدیکتر شود .

حفاظت در زمانهای وقوع حوادث بحرانی ، مکانهایی مثل پل ، سد و تونل و یا در مجتمع های اداری ، آزمایشگاهها که می تواند مورد هدف گیری قرار گیرند . در محدوده هایی که عبور و مرور زیاد است . تسهیلاتی ایجاد کنیم در این مواقع سیستم پیاده سازی شده باید محلی را که مردم در خطر هستند لبه یابی و آشکار کند . حرکت های مشکوک و فعالیت های نزدیک محل بحرانی با یکسری از الگوریتم ها لبه ها را آشکار می کند .[2,3,6]

از ضریب Wavelet برای اندازه گیری قدرت سیگنال یا شدت نور منبع نور استفاده می شود . تصاویری که از اپراتورهای متفاوت در جهت ، مکان و فواصل گوناگون گرفته شده است  را فراهم می کند و به کارمی بندد . زیر مجموعه ای از نماها را انتخاب می کند   . پایه رسیدگی به موضوع وابسته به نیرو و موقعیت منتشر شده از تصویر است .SVM  برداری عمل می کند .

از تکنیک قطعه بندی و ردیابی می توان استفاده کرد که در این حالت فیلدهایی را بر اساس حرکت ها ایجاد می کند . تکنیک هایی را که به هم وابسته هستند در فریم های متوالی قرار می گیرند با هموارسازی فضاها را به طور موقت کم می کند . در نتیجه حرکت های انعطاف پذی و قابل اندازه گیری می مانند حرکت های مشابه ، فیلدهای که از یک تکرار خاص پیروی می کند را در یک  گام ادغام کی کند . پیکسل ها به وسیله تکنیک های خوشه بندی با توجه به ترکیب رنگ های RGB و فاصله ای با ابعاد (x,y) گروهبندی می شوند .گروه هایی از پیکسل ها به دست می آید ؛ و تکراری ها را در یک تصویربر هم منطبق می کند و در تصویر بعد از آن استفاده می کند . زیرا برای هرگروه عدد ثابتی در نظر می گیرد . یک به یک تصاویر را اجرا و ارتباط آنها را در هر زمان مشخص می کند . البته ضمانتی نیست که قسمت های باقی مانده بر روی موجودیت های فیزیکی در طی ردیابی قفل شوند . اما اولین نتیجه ظاهرشده از ردیابی پیاده رو امید بخش است[1]

پاها در آشکارسازی نسبت به بدن ا ز ثبات بیشتری برخوردار هستند . بدون علم اولیه از نوع حرکت انجام شده ردیابی انسان لنگ از نیمرخ ، با خطوط موازی ناهمسو مشکل است .  ظاهرشدن ، حذف ، ادغام وانشعاب ا زکارهایی است که می توان انجام داد از شکل ایجاد شده 5 بدنه دیگر ایجاد می کند . نقطه میانی و مفصلی را علامت گذاری می کند  . اما برای تصاویر از نیمرخ درست جواب نمی دهد .

آشکارسازی فعالیت ها ی انسان بیمار در محیط خانه

هدف از این جستجو در اینجا به دست آوردن گزارشی مختصر و جامع از فعالیت های بیمار است و پشتیبانی پزشک از او در واحد پزشکی خارج از منزل می باشد .

گروهی از فعالیت ها دو جانبه هستند که بین دو یا چندین فرد قرار می گیرد که کاراکترهای مختلفی از الگوهای دیداری و شنیداری ایجاد می کنند . که این کار را مشکل می کند و نیاز به آنالیز گروهی از فعالیت ها و رسیدگی به اثر متقابل رخ داده شده دارد .

دو تا سنسور اصلی وجود دارد : میکروفون و دوربین است که  می تواند آرایه ای از این سنسورها باشد . بینایی از یکی از حواس پنج گانه است  و بیشترین راه شناخت است و بعد از آن شنیدن . گاهی بینایی بی فایده است و باید حتما صدا شنیده شود . ذخیره سازی و پردازش تصاویر ویدیوئی گران است . سیستم بینایی معمولا در روش ظاهرسازی حساس به نور است سنسور صدا در سلام و مکالمات مورد استفاده قرار می گیرد .

سیگنال صدا :  پردازش و ذخیره سازی سیگنال صدا ساده تر است . و سیستم صدا از نور قوی تر است و می تواند جبران منابع تصویر باشد . تعدادی از الگوریتم های توسعه و بازیابی بینایی از مکان های 3D جزئیات اطلاعات فعالیتها را نمایش می دهند .

سلسله مراتب نمایش

رکوردی از تالار ورودی اتاق به مدت 10 روز گرفته می شود هر رکورد در وضوح 480*640 و با فرمت mpeg-2 که 30 فریم در ثانیه است و دو کانال صدا هم ذخیره می شود . هر روز 8 ساعت و در 10 روز 80 ساعت فیلم که در 4 سطح آن را نمایش می دهیم .که با 4 نام خوانده می شوند . CE عناصر ادراکی هستند . IE فعالیت های شخصی GF ترکیبی از فعالیت های گروهی و GE ترکیبی از رخدادهای گروهی .

عناصر ادراکی شامل مجموعه ای از موجودیتی از اشیا به همراه خصوصیت آن ها است . موجودیت ها می توانند : راه رفتن و ایستادن و یا نشستن فرد بیمار روی ویلچر باشد . خصوصیت می تواند شامل اندازه گیری حرکت و نمایش دیداری از موجودیت ها باشد . پنج خصوصیت دیداری شامل : مکان ، جهت حرکت ، سرعت ، رنگ پوست و شکل  باشد . که در جدول زیر نشان داده شده است .

مکان را با در نظر گرفتن اینکه در حال حاضر کجاست مشخص می شود مثل اتاق نشیمن و راه رفتن را در چند سکانس بررسی می کند اگر جای شخص تغییر کند یعنی فرد حرکت کرده است . GE معنی سکانس های تصویر و صدا است مثل مکالمات که در 3 سگمنت زیر مشخص شده اند .

1.      فرد A و B به یکدیگر نزدیک می شوند .

2.      A وB صحبت می کنند .

3.      فرد A وB با یکدیگر یا جدا از یکدیگر خارج می شوند .

فرضیات ما تنها در 5 مورد زیر  است چون مشاهدات ما در زمان و تعداد افراد با یکدیگر محدود نیستند  و ممکن است از دید ما خارج شوند .

1.      نزدیکی فرد A و B

2.      جدایی فرد A وB

3.      توقف A وB

4.      ایستادن و صحبت کردن

5.      راه رفتن با کمک یکدیگر

آشکارسازی فیلم

از الگوریتم کاهش پشت زمینه(background subtraction algoritm) استفاده می کنیم . فریم های قابل انطباق از متدهای پشت زمینه را فراهم می کند . نویز را حذف می کند گروهی از پیکسل ها را (بیشتر از 15  پیکسل) را می خواند یک مرز برای پیکسل ها مشخص می کنیم که اختلاف فریم های رایج و پشت زمینه است . فریم f شامل فعالیت های دیداری باشد1 = Vf اگر هر یک از قوانین زیر برقرار باشد و گرنه  Vf=0 است .

1.      دو شکل گرافیکی با رنگ مشخص (Region)یا بیشتر  در یک فریم باشد .

2.      Region وجود داشته باشد که پایین فریم نباشد و عرض و ارتفاع آن نسبت به یکدیگر بیشتر از .7 باشد .

رخدادهای صوتی

از انطباق های Clarkson و Pentland استفاده می شود که نرمال سازی قدرت سیگنال صدا است .

خصوصیات شکل و رنگ

رنگ اغلب در تمیز دادن موجودیت ها در پردازش مورد استفاده قرار می گیرد .از یک هیستوگرام 8بیتی برا ی هر کدام از رنگهای RGB برای هر موجودیت استفاده می شود. اطلاعات شکل با قسمت بندی فاصله Manhattan نمایش داده می شود . در این روش هر Region شامل مردم یا وسایل است که به    Sub-Region9   تقسیم می شود

چگالی هر Sub-Region بعد از محاسبه مرز آن مساوی 1 است  که بیشتر از 50% است وگرنه مقدار آن صفر است .در انتها برداری با ابعاد 10 داریم برداری که 9 بلاک آن خصوصیت است و نسبت طول و عرض شکل در هر ثانیه این خصوصیت نوشته می شود .

مکان یابی به صورت (x,y,z) است سرعت ، جهت و حرکت در هر ثانیه مشخص می شود . رنگ وشکل از روی اولین فریم هر ثانیه تشخیص داده می شود  .

آشکارسازی IE

از روش منحنی مخلوط GMMs (Gaussian mixture models)استفاده می شود .

آشکارسازی   GF و GE

بعد از آشکارسازی IE ما می توانیم گرافی بسازیم که شامل هر زوج IE باشد . داده های احتمالی GE در هر گراف می تواند مقادیر مساوی با یک رامحاسبه کند.خروجی GE نتیجه مرتفع ترین احتمال است

آشکارسازی فعالیت های انسان از پشت موانع با استفاده از پویانمایی سیگنال های رادار دوپلر

هااو لینگ، استاد دانشگاه تگزاس و شبها رم، دانشجوی دکترا، در تحقق بخشیدن به دید اشعه ی X یک گام به جلو حرکت کردند. آن ها در حال تکمیل سیستم های راداری هستند که می توانند فعالیت های انسانی را از پشت موانع آشکارسازی نموده و این سیگنال ها را به تصاویر مجازی شبیه به بازی ویدیئویی تبدیل نمایند.

به گزارش سرویس علم و فناوری پایگاه اطلاع رسانی صبا و به نقل از ساینس دیلی، لینگ در باره ی این پروژه گفت: "چندین برنامه ی تحقیقاتی در مورد تصویربرداری از پشت دیوار در حال انجام می باشد اما آن ها روی ساخت حسگرهای سخت افزاری با بسیاری از توانائی های مشخص تمرکز دارند. این کار گران قیمت است. آنچه ما می خواهیم در این پروژه انجام دهیم این است که اول بفهمیم حرکات انسان چگونه در داده های راداری آشکار می شود. سپس این دانش را برای تولید تصویر یک انسان استفاده کنیم."

سیستم های راداری فرکانس رادیویی مبتنی بر دوپلر به ویژه برای دنبال کردن رد انسان های متحرک مناسب می باشند. آن ها درهم ریختگی های پس زمینه را از اشیای ساکن جدا کرده و جزئیات کافی را جهت نمایش حرکات پویای قسمت های مختلف بدن را به شکل "میکرودوپلرها" ارائه می دهند.

لینگ گفت: "یک انسان، پویایی حرکتی بسیار پیچیده ای دارد. هنگام راه رفتن، بازوها و پاها بسیار متفاوت از پیچ و تاب خوردن حرکت می کنند و این حرکات لطیف و ریز به صورت علائم منحصربفرد میکرودوپلر ترجمه می شوند."

لینگ و رم یک شبیه ساز رادار دوپلر مبتنی بر فیزیک و با استفاده از داده های پویانمایی رایانه ای از حرکات انسان ساختند.سپس آن ها مشخصات مانع را در نمونه ی شبیه سازی ترکیب کردند. در نهایت، نتایج را با یک نمونه ی آزمایشی رادار دوپلر که از پیش توسعه داده شده بود با حرکات زنده ی انسان در وضعیت های دید مستقیم و پشت موانع به لحاظ صحت بررسی کردند. چند تن از دانشجویان فارغ التحصیل پیشین و کنونی شامل یونگووک کیم، کرایگ کریستیانسون، نیک وایتلونیس و یانگ لی نیز در این پروژه مشارکت داشتند.

رم گفت: "علائم میکرودوپلر می توانند ابزارهای مهمی برای نظارت بر فعالیت های انسان در طول زمان های طولانی باشد. شبیه ساز رادار به ویژه یک وسیله ی قابل انعطاف و غیر گران است که ما می توانیم برای بهینه کردن پیکربندی های حسگر و الگوریتم های پردازش سیگنال از آن استفاده کنیم که برای تولید یک تصویر مجازی دقیق از انسان در پشت انواع مختلف موانع نیاز می باشد[7] ."

آشکارسازی از طریق RFID

محققان ازسه تکنولوژی اصلی برای تشخیص فعالیتهای انسان استفاده می کنند:بینایی کامپیوتر،سنسورفعال دیدن وRFID.بینایی شامل مقیاس پذیری وشناسایی خوب که حتی در مقابل خطا هم به کار خود ادامه می دهند، است.سنسور فعال دیدن شناسایی دقیق اشیاء را میسر می کند اما نیاز به باتری هایی دارد.RFIDعلامتهایی برای دقت تشخیص اشیاء همانند سیگنالهای فعال دارد و ازمزیتهای دیگر آن داشتن باتری مستقل است.اگرچه آنها شبیه سنسور راهنما نیستند پس می توان گفت که آنهابرای تخیص حرکت ناتوانند.

با وجودیکه RFIDتشخیص فعالیتهای انسان را انجام می دهد،ما دو روش مختلف دیگری را بیان می کنیم که هر دو مبتنی برRFIDهستند.iBracelet که دورمچ دست قرار می گیرد،یک رنجی از RFIDاست واشیایی که از طریق مجاورت با دست مورد استفاده قرار می گیرد را تشخیص می دهد.پایه سنس و تشخیص بی سیم ) WISP)عضو خانواده RFIDاست که به آن سنسورهایی که حرکت اشیاء را تشخیص می دهند افزوده شده است.

دو شیوه تغییر وگسترش RFIDوجود داردکه هیچیک از این دوروش برای جستجو وکشف اشیاءبه باتری نیازی ندارند.سیستمWISPبرای تشخیص حرکت از سنسورفعال توانا تر عمل می کند.باتری مستقلی که توسط کارخانه شکل گرفته شده است از عواملی مثل علائم RFIDاستفاده میکند.سیستمiBracelet فقط از یک باتری برای توانا شدن مچ دست خواننده ،استفاده می کند واطلاعاتی را درباره کسی که از آن استفاده می کند می دهدخصوصا اشیاء غیر قابل دسترس از طریق روشWISP.آن دستگاهی که دور مچ دست خواننده قرار گرفته اطلاعاتی را می دهد که باعث کنترل بیشتری روی سیستم می شود،ازآنجایی که آنها به راحتی می توانند آن رااز کار بیندازد(با در آوردن آن)پس آنها به وسیله خواننده ثابت می شوند.

iGloveدر سال 2003ساخته شد یعنی در زمانی که اولین تلاشها برای جستجوی اشیاء به وسیله RFIDبود.آزمایشی انجام شد که در این آزمایش از 14داوطلب درخواست شد که به هنگان انجام کارهای روزمره این دستگاه را دور مچ دست خود قراردهند.میانگین آن تقریبا 45 دقیقه برای هر کاربر شد.با پیگردی آنها می توانستند اشیاء را پیدا کنند،ما نیز متوجه می شدیم که چه فعالیتی در چه زمانی انجام می شد.

iBracelet.تجربه iGlove هدفمان را از پی بردن به فعالیتها از طریق RFIDوپوشش آن توسط خوانندگان خصوصی تایید می کند. گرچه هیچ دستکشی اهمیت ندارد که از چه طریقی طراحی شود و این برای تعداد محدودی از کاربران قابل قبول است.بنابراین ما روی بازوبندها که ظریف ونسبت به دستکش ها نیرومندتر هستند متمرکز می شویم.ما برای رسیدن به اهدافمان از یک آنتن حلقوی قرار داده شده در اطراف بازو استفاده می کنیم.

شکل زیر فرم رایج iBraceletرا نشان می دهد.اگر چه شیوه پوشش آن درباره توانایی انجام کارتوسط خواننده سوالاتی رابه وجود می آورد،پس می توان گفت iBraceletبرای شناسایی به صورت پیشرفته درباره چیزهایی مثل مجموعه اندازه ها،ظرافت و عمر باتری قابل قبول نیست ومصرف کننده را راضی نخواهد کرد.

:یک WISPشامل RFIDغیر فعال است که از RFIDمعمولی بهتر عمل می کند به این صورت که مشاهدات و مجموعه اهداف معمولی را در خود ذخیره می کند.WISPفاقد یک برد منبع انرژی است ،در عوض آنها انرژیشان را از خوانندگان RFID می گیرند.خوانندگان RFID موجودازپروتکل های استاندارد استفاده می کنند.

WISPاز سوئیچ های جیوه به صورت غیر موازی استفاده می کند.RFID شامل یک تراشه است که بر روی یک آنتن نصب شده است ولی WISPشامل یک آنتن با دو تراشه ودو سوئیچ جیوه می باشد.سوئیچ ها زمانی شکل گرفته اند که شیء در سطح اول ترشه IDقرار داردو به آنتن متصل شده است.بنابراین IDبه وسیله خواننده شناسایی می شود.زمانی که شی ای شیب داشته باشد،ابتدا تراشه غیر فعال می شودو سپس غیرفعال می شود.بنابر این IDبه وسیله خواننده شناسایی می شود.

شناسایی دوIDاز یکWISP نشان می دهد که شی فیزیکی موجود است- همان اطلاعاتی که به وسیله RFIDمعمولی فراهم می شود.در حال حاضر در فیلدهای خواننده حرکت نیزمی تواند باشد.

تجمع داده ها

برای داشتن یک ارتباط سریع ،میکروکنترلرمربوط به WISP مقادیر سه سنسور رادر RAM ذخیره می کند،و دوباره وضعیت آنهارا ارزیابی می کند اگر هیچ یک از مقادیرنسبت به خوانده های پیشین تغییر نکرده بودند،میکرو کنترلر ID را به وسیله WISPبه وضعیت خودش برمی گرداند.میزبان داده ها را از WISPآنالیز می کندو زمانی که IDاز یک مقدار به مقدار دیگری تبدیل می شود، تعیین می کند که شی ای حرکت می کند یا شخصی تکان می خورد.

این روش هست فقط یکی از چندین طرحی که ممکن است برای سنس کردن مطرح شده باشد.روشهای معمولی دیگری نیز هستند که قابل ملاحظه اند.(مثل بردار تبدیل سیگنال آنالوگ به صورت عددی ومدل مبنی برکدگذاری)

واکنش سنسورها

شکل زیر اجرای یک WISPرا برای تشخیص فعالیت اشیاء نشان می دهد.در این شکل مشاهده می شود که یک WISP روی یک شی تست شده نصب شده است و نیز یک شتاب سنج سه محوری سیم داربر روی جعبه قرار دارد.شکل پاسخ سنسور را نشان می دهد زمانی که ما اشیاء آن جعبه را با پالس های خارجی مختلفی شناسایی کردیم. ما پالس های XوYرا با ضربات آهسته به جعبه در یک زمان خاصی ایجاد کردیم. پالسهای محورZبا سوار کردن ورها کردن جعبه به ارتفاع تقریبا دو سانتی متر تولیدشدند.[5]

نتیجه : 

مرتبه ای از سیستم می تواند فعالیت های انسان را آشکار کند .

RFIDمبنی بر سنس کردن اشیاءاز کامپیوترها برای نمایش فعالیت ها ی انسان استفاده می کند که در تشخیص جزئیات و وسعت نظر بی مانند است.این تکنولوژی کمک می کند به اینکه چطور به فعالیت انسان پی ببریم.iBracelet وWISPهردو از RFID برای تشخیص فعالیت انسان استفاده می کنند ولی هر کدام راه حل های مختلفی را ارائه می دهند ویک رویداد مختلفی را اختصاص می دهند.روش WISPبرای سنس کردن موارد مختلف و نیز در تشخیص فعالیتهای انسان با عملکرد باتری مستقل یا سازگار باRFID به خوبی بکار می رود.iBracelet به صورت پوشش خواننده عمل می کند وبرای کاربردهای تشخیص فعالیت انسان بهتر است.شیوه WISP  با اینکه دستگاه قابل پوشش در آن وجود نداردبرای سناریوی مصرف کننده  مناسب است .محققان تجربه بیشتری را برای تشخیص فعالیت انسان بدست می آورند.در آینده آن با ترکیب شیوه های تولید شده  جالب می شود برای اینکه برای کاربردهای دنیای واقعی مناسب شوند.

این فن آوری کاربردهای مهمی در عملیات جستجو و نجات، عملیات اجرایی قانونی و نظارت و مراقبت فیزیکی دارد.

منابع

مقالات

[1] D.M. gavrila ,”The visual analysys of human movement”,1998

[2]Robert Boder , Bennett Jackson , “Vision – based human tracking and activity recognition “

[3] Robert Boder , Bennett Jackson ,  “Image-Based recognition for view human motion recognitino”

[4] Datong Chen , Robert Malkin , Jie Yang, “ Multimodel Detection of human interaction event in a nursing home environment”

[5] Joshua R.Amith,Kenneth P.Fishkin, “RFID – based thchniques for human activity detection”

[6] Mahesh C.Shastry , “ Algorithhms for implementing hilbert huang transformation for through wall human activity detection

" الهام عرفانیان " 

استفاده از این مقاله در صورت ذکر نام و نام وبلاگ بلامانع است