Τεχνικές μηχανικής όρασης και αναγνώρισης προτύπων για την αλληλεπίδραση ανθρώπου-υπολογιστή
Περίληψη
Σκοπός της διατριβής ήταν ο σχεδιασμός τεχνικών αναγνώρισης προτύπων και επεξεργασίας εικονοσειρών για την ανάπτυξη εφαρμογών αλληλεπίδρασης ανθρώπου-υπολογιστή. Μελετήθηκαν τα προβλήματα της αυτόματης αναγνώρισης ανθρώπινων κινήσεων και ταυτο-ποίησης ατόμων με βάση τον τρόπο εκτέλεσης κινήσεων. Προτάθηκαν πρωτότυπες τεχνικές αναπαράστασης εικονοσειρών κίνησης οι οποίες είναι σε θέση να κάνουν χρήση ενισχυμένης οπτικής πληροφορίας προερχόμενη από συστήματα πολλαπλών καμερών. Προτάθηκαν πρωτό-τυπες τεχνικές ταξινόμησης βασισμένες σε τεχνικές διακριτικής ανάλυσης, τεχνιτών νευρω-νικών δικτύων, δυναμικής ταξινόμησης και πιθανοκρατικών μοντέλων. Τέλος, δείχθηκε ότι οι προτεινόμενες προσεγγίσεις μπορούν να χρησιμοποιηθούν και για την αναγνώριση ανθρώπινων συναισθημάτων με βάση τις εκφράσεις προσώπου.
Περίληψη σε άλλη γλώσσα
The aim of the present thesis was to design pattern recognition and video processing techniques for the development of human-computer interaction applications. We studied the problems of automatic human action recognition and person identification based on actions. We proposed novel action video representation techniques that can exploit enriched visual information coming from multi-camera setups. We proposed novel classification techniques based on discriminant analysis, artificial neural networks and dynamic classification techniques and probabilistic models. Finally, it has been shown that the proposed approaches can be employed for the recognition of human emotions based on facial expressions
Κατεβάστε τη διατριβή σε μορφή PDF (3.23 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.