دستگاه­های محاسباتی

۳-فصل سوم: روش تحقیق

۳-۱-مقدمه

مهمترین مسئله در بینایی کامپیوتر لبه­یابی و فهمیدن رفتار انسان است. در این محدوده مدل­های زیادی که تعامل بین کامپیوتر و انسان است ایجاد شده است. مثال: طراحی رابط کاربر، رباط یاد گیرنده، نظارت. اما از همه اینها بالاتر
آشکار­سازی فعالیت­های 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 اثر متقابل هوشمندانه از خود نشان دهد و زحمت انسان را در آن زمینه کم کند. که در زیرنمونه­های آن را مشاهده می­کنید.

حقیقت مجازی: بازی، انیمیشن، کنفرانس از راه دور

سیستم نظارت هوشمند: کنترل دسترسی، فروشگاه­های بزرگ، ترافیک، ماشین خودپرداز

رابط کاربر پیشرفته: مترجم زبان، کنترل رفتار راننده، علامت دهی محیط­هایی با نویز بالا

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 فعالیت­های 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 راه­های امیدوارکننده ­ای برای تکمیل مشاهدات مستقیم با یک شیوه غیر­مستقیم وجود دارد، از طریق تشخیص فعالیت­های افراد از روی اثراتی که روی محیط خصوصا روی اشیاء می­گذارند. فعل و انفعالات افراد بر روی یکدیگر اثر متقابل دارد. برای نمایش رفتارهای انسان به طور سلسله مراتبی می­توان از گراف به عنوان یک ابزار پویا استفاده کرد. محققان ازسه تکنولوژی اصلی برای تشخیص فعالیت­های انسان استفاده می­ کنند: بینایی کامپیوتر،حسگرفعال دیدن وRFID.

جهت دانلود متن کامل پایان نامه به سایت azarim.ir مراجعه نمایید.

۳-۲- مقدمه­ای بر، برنامه­نویسی اندروید

از زمانی که استفاده از حسگرهای مختلف الکترونیکی در سخت‌افزارهای کامپیوتری رواج پیدا کرد، روح تازه‌ای در ظاهر و نحوه استفاده از برنامه‌های­کاربردی و تفریحی دمیده شد. استفاده از این حسگرها در ابتدا به دلیل نیازهای مختلف دستگاه­های بازی کامپیوتری و سپس جهت آسانتر نمودن نحوه استفاده از دستگاه بکار برده شد. سیستم عامل اندروید قابلیت استفاده از انواع این حسگرها را در برنامه گنجانده است و بسادگی میتوان از این حسگرها در جهت بهبود کیفیت ارتباط با کاربر[۲۶] استفاده نمود [۵۱].

۳-۲-۱-مشکلات

لبه­یابی،کاهش نویز، شناسایی، نظارت و کشف فعالیت­ها.
به طورکلی برای تشخیص حرکت نیاز به قطعه­بندی و ردیابی داریم که بعد از قطعه­بندی باید در صورت وجود نویز آن را از بین برده و لبه­ها را مشخص و تصویر را کوانتیزه می­کنیم .

۳-۲-۲-کاربردها

۱٫ درک تصویر و کشف خطر در مسائل امنیتی
۲٫ طرح ریزی محیط­های شهری
۳٫ امنیت عمومی و کنترل شلوغی
۴٫ حفاظت در زمان های وقوع حوادث بحرانی
۵٫ مراقبت از بیماران و سالمندان در محیط خانه از راه دور
۶٫ عملیاتجستجو و نجات
۷٫ …
در محدوده نظارت سیستم خودکار در محل­های مورد نیاز نصب شده رفت و آمد ها را مشاهده می­ کند و فعالیت­های خطرناک را مشخص می­ کند.
در بازبینی صحنه­های پر جمعیت اندازه شلوغی و ردیابی حرکت­های افراد کاربرد زیادی دارد. برای مثال:ترافیک
تقاطع­ها که سیستم سیگنال­های راه رفتن را مشخص می­ کند. تعداد افرادی که از خط عابر عبور می­ کنند. تعداد افراد را در منطقه­ای شلوغ مثل ورودی مدارس که مشخص می­ کند در ورودی شلوغ است یا خلوت. به طور کلی در طرح ریزی محیط­های شهری کاربرد دارد. پس با قرار دادن دوربین­ها در مکان­های مناسب از راه دور اندازه گروه­ها و تعداد مرم را می­توانیم مشخص کنیم.
برای شناسایی حرکت­های بشر در حین حرکت، حرکت­ها را در چندین کلاس دسته­بندی می­کنیم. خصوصیت حرکتی به صورت مدل­های دوبعدی و سه بعدی از بدن انسان ساخته می­شوند. ما از آنالیز مولفه­های اصلی که طبقه ­بندی می­شوند استفاده می­کنیم. حرکت­های انسان را در چندین فریم کوتاه بررسی می­کنیم و آنچه که از حرکت­ها مشخص می­ شود را دسته­بندی می­کنیم. که یک ماشین برداری آن را نگه می­دارد 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 زمان های وقوع حوادث بحرانی، مکان­هایی مثل پل، سد و تونل و یا در مجتمع­های اداری، آزمایشگاه­ها که
می ­تواند مورد هدف گیری قرار گیرند. در محدوده­هایی 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. حرکت­های مشکوک و فعالیت­های نزدیک محل بحرانی با یک سری از الگوریتم­ها لبه­ها را آشکار می­ کند.
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 کارمی­بندد­. 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 قطعه­بندی و ردیابی می­توان استفاده کرد که در این حالت فیلدهایی را بر اساس حرکت­ها ایجاد
می­ کند. تکنیک­هایی را که به هم وابسته هستند در فریم­های متوالی قرار می­گیرند با هموارسازی فضاها را به طور موقت کم می­ کند. در نتیجه حرکت­های انعطاف پذیری و قابل اندازه گیری مانند حرکت­های مشابه، فیلدهای که از یک تکرار خاص پیروی می­ کند را در یک گام ادغام کی کند. پیکسل­ها به وسیله تکنیک­های خوشه­بندی با توجه به ترکیب
رنگ­­های RGB و فاصله­ای با ابعاد (x,y) گروه­بندی می­شوند.گروه­هایی از پیکسل­ها به دست می­آید؛ و تکراری­ها را در یک تصویربر هم منطبق می­ کند و در تصویر بعد از آن استفاده می­ کند. زیرا برای هرگروه عدد ثابتی در نظر می­گیرد. 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 موجودیت­های فیزیکی در طی ردیابی قفل شوند. اما اولین نتیجه ظاهرشده از ردیابی پیاده رو امید بخش است[۵۳].
پاها در آشکارسازی نسبت به بدن از 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 ازکارهایی است که
می­توان انجام داد از شکل ایجاد شده ۵ بدنه دیگر ایجاد می­ کند. نقطه میانی و مفصلی را علامت گذاری می­ کند. اما برای تصاویر از نیمرخ درست جواب نمی­دهد.

۳-۲-۳-مثالی ساده از آشکارسازی فعالیت­های انسان در محیط خانه

هدف از این جستجو در اینجا به دست آوردن گزارشی مختصر و جامع از فعالیت­های بیمار است و پشتیبانی پزشک از او در واحد پزشکی خارج از منزل می­باشد.
گروهی از فعالیت­ها دو جانبه هستند که بین دو یا چندین فرد قرار می­گیرد که کاراکترهای مختلفی از الگوهای دیداری و شنیداری ایجاد می­ کنند. که این کار را مشکل می­ کند و نیاز به آنالیز گروهی از فعالیت­ها و رسیدگی به اثر متقابل رخ داده شده دارد.
دو حسگر اصلی وجود دارد: میکروفون و دوربین است که می ­تواند آرایه­ای از این حسگرها باشد. بینایی از یکی از حواس پنج گانه است و بیشترین راه تشخیص است و بعد از آن شنیدن. گاهی بینایی بی­فایده است و باید حتما صدا شنیده شود. ذخیره­سازی و پردازش تصاویر ویدیوئی گران است. سیستم بینایی معمولا در روش ظاهرسازی حساس به نور است حسگر صدا در سلام و مکالمات مورد استفاده قرار می­گیرد.
سیگنال صدا: پردازش و ذخیره­سازی سیگنال صدا ساده­تر است. و سیستم صدا از نور قوی­تر است و می ­تواند جبران منابع تصویر باشد. تعدادی از الگوریتم­های توسعه و بازیابی بینایی از مکان­های ۳D جزئیات اطلاعات فعالیتها را نمایش می­دهند.

۳-۳-سلسله مراتب نمایش

رکوردی از تالار ورودی اتاق به مدت ۱۰ روز گرفته می­ شود هر رکورد در وضوح ۴۸۰*۶۴۰ و با فرمت mpeg-2 که ۳۰ فریم در ثانیه است و دو کانال صدا هم ذخیره می­ شود. هر روز ۸ ساعت و در ۱۰ روز ۸۰ ساعت فیلم که در ۴ سطح آن را نمایش می­دهیم.که با ۴ نام خوانده می­شوند. CE عناصر ادراکی هستند. IE فعالیت­های شخصی GF ترکیبی از
فعالیت­های گروهی و GE ترکیبی از رخدادهای گروهی.
عناصر ادراکی شامل مجموعه ­ای از موجودیتی از اشیا به همراه خصوصیت آن­ها است. موجودیت­ها می­توانند: راه رفتن و ایستادن و یا نشستن فرد بیمار روی ویلچر باشد. خصوصیت می ­تواند شامل اندازه گیری حرکت و نمایش دیداری از موجودیت­ها 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 سکانس­های تصویر و صدا است مثل مکالمات که در ۳ سگمنت زیر مشخص شده ­اند.
۱٫ فرد A و B به یکدیگر نزدیک می­شوند.
۲٫ A وB صحبت می­ کنند.
۳٫ فرد A وB با یکدیگر یا جدا از یکدیگر خارج می­شوند.
فرضیات ما تنها در ۵ مورد زیر است چون مشاهدات ما در زمان و تعداد افراد با یکدیگر محدود نیستند و ممکن است از دید ما خارج شوند.
۱٫ نزدیکی فرد A و B
۲٫ جدایی فرد A وB
۳٫ توقف A وB
۴٫ ایستادن و صحبت کردن
۵٫ راه رفتن با کمک یکدیگر

۳-۴-آشکارسازی فیلم

از الگوریتم کاهش پشت زمینه[۲۷] استفاده می­کنیم. فریم­های قابل انطباق از متدهای پشت زمینه را فراهم می­ کند. نویز را حذف می­ کند گروهی از پیکسل­ها را (بیشتر از ۱۵ پیکسل) را می­خواند یک مرز برای پیکسل­ها مشخص می­کنیم که اختلاف فریم­های رایج و پشت زمینه است. فریم f شامل فعالیت­های دیداری باشد۱=Vfاگر هر یک از قوانین زیر برقرار باشد و گرنه Vf=0 است.
۱٫ دو شکل گرافیکی با رنگ مشخص (Region)یا بیشتر در یک فریم باشد.
۲٫ Region وجود داشته باشد که پایین فریم نباشد و عرض و ارتفاع آن نسبت به یکدیگر بیشتر از .۷ باشد.

۳-۵-رخدادهای صوتی

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

۳-۶-خصوصیات شکل و رنگ

رنگ اغلب در تمیز دادن موجودیت­ها در پردازش مورد استفاده قرار می­گیرد.از یک هیستوگرام ۸بیتی 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 منطقه[۲۸] شامل مردم یا وسایل است که به ۹ زیرمنطقه[۲۹]تقسیم می­ شود.
چگالی هر زیرمنطقه بعد از محاسبه مرز آن مساوی ۱ است که بیشتر از ۵۰% است وگرنه مقدار آن صفر است. در انتها برداری با ابعاد ۱۰ داریم برداری که ۹ 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.

۳-۷-آشکارسازی IE

از روش منحنی مخلوط [۳۰]GMMsاستفاده می­ شود.

۳-۸-آشکارسازی GF و GE

بعد از آشکارسازی IE ما می­توانیم 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.

۳-۹-آشکارسازی فعالیت­های انسان از پشت موانع با بهره گرفتن از پویانمایی سیگنال­های رادار دوپلر

هااو لینگ، استاد دانشگاه تگزاس و شبها رم در تحقق بخشیدن به دید اشعه­ی X یک گام به جلو حرکت کردند. آن­ها در حال تکمیل سیستم­های راداری هستند که می­توانند فعالیت­های انسانی را از پشت موانع آشکارسازی نموده و این سیگنال­ها 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 باره­ی این پروژه گفت: “چندین برنامه­ی تحقیقاتی در مورد تصویربرداری از پشت دیوار در حال انجام می­باشد اما آن­ها روی ساخت حسگرهای سخت افزاری با بسیاری از توانائی­های مشخص تمرکز دارند. این کار گران قیمت است. آنچه ما می­خواهیم 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.”
سیستم­های راداری فرکانس رادیویی مبتنی بر دوپلر به ویژه برای دنبال کردن رد انسان­های متحرک مناسب می­باشند. آن­ها 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 می­دهند.