Article

Article title EXTRACTING THE KINEMATIC SCHEME FROM A VIDEO SEQUENCE AND CALCULATING MOTION DIAGRAMS OF A PERSON
Authors A.V. Kuchuganov, D.S. Glukhov
Section SECTION V. MODELLING OF COMPLEX SYSTEMS
Month, Year 07, 2012 @en
Index UDC 004.89, 004.93
DOI
Abstract In the paper an approach of multilevel recognition and logical analysis to extracting the kinematic scheme from a video sequence and calculating motion diagrams of a person is considered, which consists in creating and matching fuzzy attributive pattern graphs. The described approach is based on fuzzy graphs and structural pattern recognition. Introduces an original method of the color segmented image by clustering color palette in four-dimensional space RGBW or HSVW, where W is the number of pixels corresponding color, and recursive (with the help of the same analyzer environs) highlight areas of an image, referring to the same color obtained simplified palette. Examples are presented.

Download PDF

Keywords Video sequence; cognitive modeling; color segmentation; skeleton; pattern recognition; fuzzy graph.
References 1. J. Root. Performance and Motion Capture. The VES Handbook of Visual Effects // Industry Standard VFX Practices and Procedures. – 2010. – P. 335-386.
2. Menache A. Motion Capture Case Studies and Controversy, Understanding Motion Capture for Computer Animation (Second Edition). – Elsevier, 2011. – P. 47-73.
3. Интервью с директором компании iPi Soft [электронный ресурс]. – Режим доступа: http://www.render.ru/books/show_book.php?book_id=877, свободный.
4. Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера, 2006. – 1072 с.
5. Kuchuganov A.V. Recursions in Image Analysis Problems // Pattern Recognition and Image Analysis. – 2009. – Vol. 19, №. 3. – Р. 501-507.
6. Шапиро Л., Стокман Дж. Компьютерное зрение. – М.: БИНОМ. Лаборатория знаний, 2006. – 752 с.
7. Ohlander R., Price K., Reddy D.R. Picture segmentation using a recursive region splitting method // Comput. Graphics Image Process. – 1978. – № 8. – P. 313-333.
8. Кучуганов А.В. Рекурсивные биоалгоритмы анализа изображений // Интеллектуальные системы. Коллективная монография. Вып. 3. – М.: Физматлит, 2009. – С. 179-187.
9. Заде Л.А. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/интеллектуальных систем // Новости Искусственного Интеллекта. – 2001. – № 2-3. – C. 7-11.
10. Яхъяева Г.Э., Нечеткие множества и нейронные сети. – БИНОМ. Лаборатория знаний, Интернет-университет информационных технологий – ИНТУИТ.ру, 2008.
11. Исупов Н.С., Кучуганов А.В. Распознавание слитных рукописных текстов с использованием аппарата нечеткой логики // Вестник Ижевского государственного технического
университета. – Ижевск: Изд-во ИжГТУ, 2012. – № 1. – С. 104-107.

Comments are closed.