فایل ورد کامل سیستم تشخیص همزمان حرکت انسان با استفاده از ترکیب حسگر عمقی و اینرسی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل سیستم تشخیص همزمان حرکت انسان با استفاده از ترکیب حسگر عمقی و اینرسی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۶ صفحه

نتیجه گیری
در این مقاله، سیستم ترکیبی همزمان برای تشخیص فعالیت انسان مطرح شده است که از داده های دو حس گر با وجه متفاوت استفاده می کند: عمق دید و اینرسی. این سیسم خروجی های احتمال ویژگی های برگرفته ز این دو حس گر وجه مختلف را به طور همزمان از طریق روش ترکیب مبتنی بر تصمیم درهم می آمیزد که شامل عامل دسته بندی های نمایش گروهی می باشد. نتایج آزمایشی گسترده و گزارش شده کارایی سیستم نسبت به تشخیص فعالیت های انسان به طور همزمان در مقایسه با موقعیت های استفاده از هر حس گر به طور مجزا نشان داد. دراثر آتی درصدد آن هستیم که کاربردهای ویژه چارچوب ترکیب مطرح شده در این مقاله را بررسی کنیم و از دوربین های عمق دید و حس گرهای اینرسی پوشیدنی استفاده کنیم که اخیرا به طور تجاری در دسترس بوده و شامل دوربین عمق دید کینکت نسل دوم، دوربین عمق دید زمان پرواز ابزارهای تگزارش، دوربین عمق دید مینیاتوری گوگل تانگو، ابزار سامسونگ و ساعت مچی اپل می باشد.

عنوان انگلیسی:A Real-Time Human Action Recognition System Using Depth and Inertial Sensor Fusion~~en~~

CONCLUSION

In this paper, a real-time fusion system for human action recognition has been developed that uses data from two differing modality sensors: vision depth and inertial. The system merges the probability outputs of the features from these two differing modality sensors in real-time via a decisionbased fusion method involving collaborative representation classifiers. The extensive experimental results reported have indicated the effectiveness of the system towards recognizing human actions in real-time compared to the situations when using each sensor individually. In our future work, we plan to examine specific applications of the fusion framework presented in this paper by using depth cameras and wearable inertial sensors that have recently become commercially available including the second generation Kinect depth camera [25], Texas Instruments time-of-flight depth camera [26], Google Tango miniaturized depth camera [27], Samsung Gear [28], and Apple Watch [29].

$$en!!