تشخیص صرع بزرگ در تصاویر ویدئویی

تشخیص و بازنمایی اعمال انسان یکی از موضوعات مهم و چالش برانگیز در حوزه ی بینایی ماشین می باشد که در سیستم های نظارتی بصری هوشمند با هدف توصیف رفتار و بازشناسایی و ردگیری حرکات فرد از دنباله تصاویر صورت می گیرد. با توجه به جدیدترین آماری که سازمان جهانی بهداشت در ژانویه 2009 در خصوص تعداد افراد مبتلا به صرع بزرگ ارائه نموده است؛ در هر 1000 نفر از جمعیت کل جهان، 4 تا 10 نفر مبتلا به عارضه صرع بزرگ می باشند که نیاز به مداوا و مراقبت های ویژه دارند. در ایران نیز با توجه به وجود جانبازان و رزمندگان که به دلایلی چون موج گرفتگی دچار حملات تشنجی و صرع بزرگ اند، آماری بالاتر از میزان متوسط جهانی وجود دارد. هدف از این پژوهش ارائه روشی کارا به منظور تشخیص خودکار صرع بزرگ و شناسایی آن از سایر رفتارهای عادی و مشابه فرد مبتلا به عارضه ای که بر روی زمین و یا تخت دراز کشیده است، می باشد. که علاوه بر آن تلاش شده است تا راهکاری برای بازشناسایی اعمال عادی فرد تحت نظارت و برخط نمودن فرایند تشخیص ارائه گردد. رویکردهای موجود برای حل این مسئله را می توان به سه دسته کلی تقسیم نمود: رویکرد مبتنی بر شتاب سنج ها، رویکرد مبتنی بر پردازش سیگنال های eeg و رویکرد مبتنی بر بینایی ماشین. در این پژوهش از رویکرد مبتنی بر بینایی ماشین و ترکیب آن با تکنیک های یادگیری ماشین استفاده شده است. در سیستم پیشنهادی از دو رویکرد برای استخراج ویژگی استفاده می شود که عبارتند از: رویکرد فضایی-زمانی و رویکرد برخط با استفاده از ویژگی های هندسی. در رویکرد فضایی-زمانی، ویژگی های محلی فضایی-زمانی از دنباله قاب های ویدیویی استخراج می شوند؛ حال آنکه در رویکرد برخط هندسی سعی بر استخراج ویژگی های هندسی مناسب از دنباله قاب های کلیدی متوالی پیش پردازش شده می باشد. جهت تشخیص نوع فعالیت صورت گرفته، بردارهای ویژگی استخراج شده از گام های قبل، به عنوان ورودی به دسته بند ماشین بردار پشتیبان چند کلاسه "یکی در مقابل یکی" داده می شوند تا الگوی حرکتی فرد و نیز نوع حرکت آن از حیث عادی/غیرعادی بودن مشخص گردد. نتایج حاصل از دسته بندی، کارایی مناسب و قابل قبول سیستم پیشنهادی را نشان می دهد.