Understanding human motion: Recognition and retrieval of human activities

Sürekli olarak büyüyen video arşivlerinde insan hareketleri ve aktiviteleriyle ilgili çok geniş miktarda ilginç bilgi bulunmaktadır. Bu tezde, bu bilgileri elde etme ve insan hareketini anlama konusuna bilgisayarlı görü açısından yaklaşıyoruz. Bu amaçla, kolaydan zora doğru sıralanan iki ayrı senaryo için çözümler öneriyoruz. İlk senaryoda, nispeten kolay sayılabilecek durumlardaki teksel aksiyon tanıma problemini ele almaktayız. Bu senaryo için, insan duruşunun varolan aktiviteyi tanımlamak için pekçokfaydalı ipucu içerdigine inanıyoruz ve iki boyutlu aksiyonlar için karmaşık modellemeye gitmeden, bu şekil bilgisini çok kompakt biçimlerde gösterebiliriz. Bu kapsamda, yüksek doğruluk oranlı insan aksiyonu tanımanının mümkün olduğunu 1) videolardansiluet bilgisi çıkarmanın mümkün olduğu durumlarda dikdörtgensel alanların uzamsal yönelimli histogramlarını kullanarak, 2) siluet bilgisi bulunmadığı durumlarda sınırlardan çıkarılmış çizgilerin dağılımlarını kullanarak gösteriyoruz. Buna ekolarak, videolarda, tanıma doğruluğunu yerel ve genel hareket bilgisi eklemek suretiyle geliştirebileceğimizi kanıtlıyoruz. Şekil bilgisinin ayrıştırıcı bir çerçeve dahilinde, durağan resimlerdeki insan hareketlerini tanıma probleminde bile oldukça faydalıolduğunu gösteriyoruz.İkinci senaryo karmaşık insan aktivitelerinin, değişen arka plan ve görüş açıları gibi komplike durumlarda tanınması ve erişimi konularını içermektedir. Böyle durumlarda üç boyutlu insan aktiviteleri betimlemek ve bir hareket derlemesini görselörneğe ihtiyaç olmaksızın sorgulamak için bir yöntem tanımlıyoruz. Yaklaşımımız, vücut bölümleri üzerinde oluşturulan ve zamansal ve uzamsal olarak düzenlenebilecek aktivite birimlerine dayanmaktadır. Arama birimlerinin varlığı, önce insan vücudununtakibi, bu takip izlerinin üçüncü boyuta taşınması ve hareket algılama verisi üzerinde öğrenilmiş modellerle karşılaştırmak yolu ile otomatik olarak sağlanmaktadır. Kısa zamanlı uzuv davranış modellerimiz etiketlenmiş hareket algılama veri kümesi kullanılarak oluşturulmaktadır. Video sorgu dilimiz sonlu durumlu özdevinirlerden faydalanmaktadır ve sadece basit metin kodlamasıyla tanımlanabilir olup görsel örneğe ihtiyaç duymamaktadır. Çalışmamızda karmaşık hareket ve aktivite derlemesineuyguladığımız geniş aralıktaki sorguların sonuçlarını sunuyoruz. Kendi yöntemimizi izleme verisi üzerine uygulanmış ayrıştırıcı yöntemlerle karşılaştırıyoruz; ve yöntemimizin belirgin derecede gelişmiş performans sergilediğini gösteriyoruz. Deneysel kanıtlarımız, yöntemimizin görüş yönü farklılıklarına dayanıklı olduğunu ve kıyafetlerdeki önemli değişikliklerinden etkilenmediğini ispatlamaktadır.