تصنيف الحركات البشرية باستخدام شبكة LSTM اعتمادا على بيانات هيكلية مجمعة بواسطة ألة تصوير Kinect في بيئة واقعية

الملخص

أصبح تحليل الحركات البشرية من اـلمجالات البحثية الـمهمة في تطبيقات إعادة التأهيل الحركي و الأنظمة الذكية. تهدف هذه الدراسة إلى بناء نموذج يعتمد على الشبكات العصبية العميقة لتصنيف الحركات البشرية إلى حركات صحيحة وأخرى خاطئة باستخدام بيانات هيكلية تم جمعها في بيئة واقعية بواسطة كاميرا Kinect .  شملت الـمنهجية الـمستخدمة عدة مراحل تضمنت جمع البيانات، واستخراج النقاط الهيكلية  (Key points)، والـمعالجة الـمسبقة، وتحويل البيانات إلى تمثيل نسبي لتقليل تأثير اختلاف مواضع الأشخاص أثناء التصوير، إضافة إلى ذلك استخراج الخصائص الزمنية للحركة. بعد ذلك تم بناء نموذج يعتمد على نموذج الذاكرة  طويلة–قصيرة الـمدى (LSTM) لـمعالجة التسلسلات الزمنية للحركة البشرية. أظهرت النتائج أن النموذج الـمقترح حقق أداء جيد في تصنيف الحركات، حيث بلغت دقة التصنيف (91.20%) مع قيم مرتفعة لـمقاييس Precision  وRecall  و F1-score، مما يشير إلى قدرة النموذج على التعميم والتعامل مع البيانات الواقعية اـلمحدودة. كما أظهرت الدراسة من خلال الـمقارنة مع نموذج ConvLSTM أن النماذج الأبسط زمنيا قد تكون أكثر ملاءمة للبيانات الواقعية الصغيرة مقارنة بالنماذج اـلمكانية–الزمنية الأكثر تعقيدا، وهو ما يؤكد أهمية اختيار النموذج بناء على طبيعة البيانات وليس على تعقيد الـمعمارية فقط.