Bodily posture recognition with weighted dimension on kinect data stream
Conference proceedings article
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Jariyavajee C., Sirinaovakul B., Polvichai J.
ผู้เผยแพร่: Springer
ปีที่เผยแพร่ (ค.ศ.): 2018
Volume number: 566
หน้าแรก: 150
หน้าสุดท้าย: 159
จำนวนหน้า: 10
ISBN: 9783319606620
นอก: 2194-5357
eISSN: 2194-5357
ภาษา: English-Great Britain (EN-GB)
บทคัดย่อ
The characteristic of the data stream is continuous, non-stationary, and very large or infinite size. Data stream classification requires the algorithm that able to classify data instance and learn from data incrementally. In this paper, the algorithm with Weighted Dimension is proposed and applied for the Kinect bodily posture recognition. The human body portions, as the input features, are calculated from Skeleton Joint data. The proposed algorithm successes in recognizing three human postures: stand, sit_on_chair, and sit_on_floor. The result of classification is 99.02% on average and 100% on moving accuracy. Moreover, the algorithm always learns from the data instances and some labels so the algorithm is able to learn whether the data instances are changed. In the other words, the algorithm could handle the concept drift in the data stream. ฉ Springer International Publishing AG 2018.
คำสำคัญ
Concept drift, Data stream classification, Kinect, Posture recognition
ติดต่อสอบถามเพิ่มเติมได้ที่