การรู้จำท่าทางมนุษย์จากภาพส่วนบุคคลผ่านการวิเคราะห์การใช้พลังงานร่างกาย

     งานวิจัยทางด้านกระบวนการรู้จำและแปลความหมายท่าทางมนุษย์ได้รับความนิยมเพิ่มขึ้นเป็นอย่างมากเนื่องจากสามารถนำผลลัพธ์ที่ได้ไปประยุกต์ใช้งานทางด้านอื่นอย่างหลากหลาย ดังนั้นในงานวิจัยนี้จึงนำเสนอโมเดลใหม่ที่ใช้ในการจำแนกการใช้พลังงานจากท่าทางการเคลื่อนไหวของมนุษย์แปลงเป็นความหมายของภาพ โดยโมเดลการใช้พลังงานนี้ได้ใช้พื้นฐานของการคำนวณมาจาก ทฤษฎีจากท่าทางทางกลศาสตร์ของการเคลื่อนที่ รวมทั้งทางสรีระวิทยาของร่างกายมนุษย์เพื่อที่จะแทนความหมายจากท่าทางโดยใช้การวัดประสิทธิภาพในการจำแนกภาพดังนี้ โครงข่ายประสาทเทียมแบบหลายชั้นทฤษฎีแผนผังการจัดระเบียบตัวเองทฤษฎีเครือข่ายแบบเบย์  และซัพพอร์ตเวกเตอร์แมชชีน  จากการทดลองสามารถสรุปได้ว่าโมเดลการใช้พลังงานสามารถช่วยในการแปลงความหมายของภาพได้อย่างดี

     Human action recognition for interpreting at a semantic level has been and still a highly interesting and important research topic.  The research results are capable of analyzing human action that we visually perceive in many aspects.  Therefore the research requires an effective and competent approach to accurately interpret human action. In this paper, we present a novel model called the Energy expenditure model for producing more semantic classification. The energy expenditure model is based on the fundamental concepts of biomechanics that human movement in different classes is likely to spend different amounts of energy. The energy expenditure model is classified by using Bayesian Network, Multiple Feedforward Neural Network, Self-organizing maps, and Support vector machines.  Experimental results show that the proposed provides much more authentic meaning of human actions.

---