3B zernike momentleri kullanılarak insan hareketlerinin tanınması

Abstract

Zernike momentleri dönme hareketine karşı bağımsız olduğundan iki boyutlu görüntülerdeki şekilleri tanımada sıklıkla kullanılan bir araçtır. Benzer biçimde 3B Zernike momentlerinin genlikleri üç boyutlu görüntülerde bu özelliği gösterir. Son yıllarda yaygınlaşan optik sistemlerle insanların da üç boyutlu görüntülerini almak mümkün hale gelmiştir. Bu çalışmada insanlara ait üç boyutlu görüntüleri 3B Zernike momentleriyle analiz ederek görüntülerde yapılan hareketlerin sınıflandırılmasına yönelik yeni bir yöntem önerilmiştir. Önerilen yöntem çoklu kameralı bir hareket yakalama stüdyosunda oluşturulan i3DPost isimli veri kümesinde uygulanmıştır. Veri kümesinde bulunan yürüme, koşma, zıplama, eğilme, el sallama, hoplama ve çömelme gibi temel hareketler %99'dan fazla bir doğruluk oranıyla sınıflandırılabilmiştir.

Because they are invariant under rotation, Zernike moments are widely used for shape recognition in two-dimensional images. Similarly, magnitudes of 3D Zernike moments have the analogous property in three dimensional images. In recent years, capturing 3D images of humans has become feasible as a result of advances in optical technologies. In this work, we propose a new method to classify human actions which have been recorded as three dimensional images by using 3D Zernike moments. We have applied our method to the i3DPost Multi-view Human Action Dataset. We were able to classify the actions in the dataset into main activities such as walking, running, jumping, bending, hand-waving, jumping in place and sitting with an accuracy of greater than 99 %.