تحليل الإيماءات التعبيرية
في هذا الصدد، نجحنا في تطوير خوارزمية للتعرف المكاني الزماني بدقة عالية لوصف كل حركة باستخدام طريقة تحليل حركة لابان (LMA). أحد العوامل التي استخدمناها في هذا العمل يقوم على دراسة مساحة المثلث المكون بين أجزاء الجسم الرئيسية المختلفة.
ثم قمنا بتطوير شبكة عصبية اصطناعية متعددة الطبقات LSTM (الذاكرة طويلة المدى القصيرة) من أجل معالجة وتفسير الخصائص المختلفة التي حددتها الخوارزمية المذكورة أعلاه. فيما يلي تفاصيل خوارزمية حالة الخلية ، المستخدمة في إدارة الذاكرة قصيرة وطويلة المدى في الشبكة العصبية:
بفضل الجمع بين هذه التقنيات المتعددة ، تمكنت فرقنا من التعرف على المشاعر البشرية من تحليل الإيماءات والحركات اليومية بدقة 95٪.
تحليل الإيماءات التعبيرية
في محاولة لتحسين التفاعل ثنائي الاتجاه بين البشر والروبوتات ، جذب استخدام بيانات الحركة القائمة على الهيكل العظمي انتباه المجتمع العلمي مؤخرا. من بين الأسباب العديدة لهذه الشعبية ، يمكننا أن نذكر ، على سبيل المثال ، عدم وجود عناصر مزعجة ، أو "ضوضاء" ، مثل الخلفيات المعقدة أو الاختلافات الكبيرة في الإضاءة التي يمكن العثور عليها في مقاطع الفيديو الأكثر كلاسيكية. تسرد الأدبيات الآن قدرا كبيرا من الأبحاث حول استخدام هذه المعلومات لحركات المفاصل والعظام ، مع نتائج مهمة في تحسين التعرف على الحركات والإيماءات. تطبيق آخر ممكن ولكن لم يتم استكشافه بعد هو تحليل هذه البيانات من أجل التنبؤ أو تحديد المشاعر والعواطف البشرية.
استخدم خبراؤنا في MYTEAM هذه البيانات وأساليب التعلم الآلي ليكونوا قادرين على تحليل السلوك البشري بناء على حركات الجسم ودون اللجوء إلى تحليل حركات الوجه أو الصوت كما هو معتاد في رؤية الكمبيوتر. تم نشر بحثنا الأخير حول استخدام روبوت NAO البشري للتفاعل مع الأطفال المصابين باضطراب طيف التوحد في مجلة KES.
في هذا الصدد، نجحنا في تطوير خوارزمية للتعرف المكاني الزماني بدقة عالية لوصف كل حركة باستخدام طريقة تحليل حركة لابان (LMA). أحد العوامل التي استخدمناها في هذا العمل يقوم على دراسة مساحة المثلث المكون بين أجزاء الجسم الرئيسية المختلفة.
ثم قمنا بتطوير شبكة عصبية اصطناعية متعددة الطبقات LSTM (الذاكرة طويلة المدى القصيرة) من أجل معالجة وتفسير الخصائص المختلفة التي حددتها الخوارزمية المذكورة أعلاه. فيما يلي تفاصيل خوارزمية حالة الخلية ، المستخدمة في إدارة الذاكرة قصيرة وطويلة المدى في الشبكة العصبية:
بفضل الجمع بين هذه التقنيات المتعددة ، تمكنت فرقنا من التعرف على المشاعر البشرية من تحليل الإيماءات والحركات اليومية بدقة 95٪.