دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Jiang Wang, Zicheng Liu, Ying Wu (auth.) سری: SpringerBriefs in Computer Science ISBN (شابک) : 9783319045603, 9783319045610 ناشر: Springer International Publishing سال نشر: 2014 تعداد صفحات: 65 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب تشخیص عمل انسان با دوربین های عمقی: پردازش تصویر و بینایی کامپیوتر، بیومتریک، رابط های کاربری و تعامل انسان با کامپیوتر
در صورت تبدیل فایل کتاب Human Action Recognition with Depth Cameras به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تشخیص عمل انسان با دوربین های عمقی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
فناوری تشخیص اقدام کاربردهای بسیاری در دنیای واقعی در تعامل انسان و رایانه، نظارت، بازیابی ویدیو، نظارت بر خانه سالمندان، و روباتیک دارد. کالایی شدن حسگرهای عمق همچنین کاربردهای بیشتری را که قبلاً امکان پذیر نبودند، باز کرده است. این متن بر روی نمایش ویژگی ها و الگوریتم های یادگیری ماشین برای تشخیص عمل از حسگرهای عمق تمرکز دارد. پس از ارائه یک نمای کلی جامع از وضعیت هنر، نویسندگان سپس توضیحات عمیقی از بازنمایی ویژگیهای اخیراً توسعهیافته و تکنیکهای یادگیری ماشین، از جمله ویژگیهای عمقی و اسکلت سطح پایین، نمایشهای سطح بالاتر برای مدلسازی ساختار زمانی و فعل و انفعالات انسان و شی، و تکنیک های انتخاب ویژگی برای مدیریت انسداد. این کار خواننده را قادر می سازد تا به سرعت با آخرین تحقیقات آشنا شود و به درک عمیق تری از تکنیک های اخیراً توسعه یافته دست یابد. هم برای محققان و هم برای پزشکان بسیار مفید خواهد بود.
Action recognition technology has many real-world applications in human-computer interaction, surveillance, video retrieval, retirement home monitoring, and robotics. The commoditization of depth sensors has also opened up further applications that were not feasible before. This text focuses on feature representation and machine learning algorithms for action recognition from depth sensors. After presenting a comprehensive overview of the state of the art, the authors then provide in-depth descriptions of their recently developed feature representations and machine learning techniques, including lower-level depth and skeleton features, higher-level representations to model the temporal structure and human-object interactions, and feature selection techniques for occlusion handling. This work enables the reader to quickly familiarize themselves with the latest research, and to gain a deeper understanding of recently developed techniques. It will be of great use for both researchers and practitioners.
Front Matter....Pages i-viii
Introduction....Pages 1-9
Learning Actionlet Ensemble for 3D Human Action Recognition....Pages 11-40
Random Occupancy Patterns....Pages 41-55
Conclusion....Pages 57-58
Back Matter....Pages 59-59