ویژگیهای نهفته در فضای پیچش زمانی پویا برای بازشناسی کنش با استفاده از داده های سنسور کینکت

هدف از این مقاله، بازشناسی کنش افراد با استفاده از اطلاعات سری های زمانی استخراج شده از دنباله های اسلکتی به منظور استفاده در سامانه های مانیتورینگ فعالیت های روزمره ی انسانها می باشد. به این منظور، هر کنش به صورت یک سری زمانی چند بعدی بیان شده و سپس با استفاده از مفهوم شبه کرنل مبتنی بر فاصله ی پیچش زمانی پویا به یک فضای برداری نگاشت می گردد. در ادامه، به منظور استفاده از نسبت همبستگی-تمایزِ دنباله ها در پروسه ی شناسایی، این فضای برداری توسط روش فیشر تنظیم‌شونده به یک فضای تمایزی نگاشت شده و تصمیم گیری نهایی در خصوص محتوای حرکت در فضای حاصل انجام می پذیرد. بر خلاف سایر روش های کرنلی موجود، الگوی همترازی حاصل از پیچش زمانی، موجب می شود تا اثر شیفت، و انقباض و انبساط‌ های زمانی دنباله ها در فضای کرنل به کمترین میزان ممکن کاهش یابد. همچنین، روش ما پیچیدگی های محاسباتی و محتوایی موجود در استخراج ویژگی های استاتیک و دینامیکِ دنباله های حرکتی را حذف نموده و در مقابل، آنها را در قالب الگوی همترازی در فضای برداری کرنل مورد استفاده قرار می دهد. نتایج ارزیابی ها بر روی سه پایگاه داده ی معروف tst، utkinect و ucfkinect، قابل رقابت بودن عملکرد روش ارائه شده با برترین روشهای موجود در بازشناسی کنش های انسانی را نشان می دهد.