{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK575",
        "title": "تشخیص فعالیت های انسان مبتنی بر پردازش رشته های ویدئویی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1396",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK575",
        "title": "تشخیص فعالیت های انسان مبتنی بر پردازش رشته های ویدئویی",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1396,
        "authors": [
            {
                "name": "امیر محمودی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علیرضا احمدی فرد",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "شناسایی فعالیت",
            "ادغام رتبه",
            "بردار فیشر بهبودیافته",
            "مسیر متراکم بهبودیافته",
            "پایگاه داده HMDB51",
            "پایگاه داده Olympic Sports",
            "تشخیص فعالیت",
            "پردازش ویدئو"
        ],
        "abstract": "در سال‌های اخیر با افزایش قابل توجه تعداد ویدئوهایی که در اینترنت بار‌گذاری می‌شوند و هم‌چنین افزایش جنایت و فعالیت‌های تروریستی، نیاز به سامانه‌ی خودکاری که بتواند محتوای فعالیت‌هایی که در ویدئو رخ می‌دهد را شناسایی کند، بیش‌تر از گذشته احساس می‌شود. اولا تارنماهای به اشتراک‌گذاری ویدئو به دنبال راهکاری هستند که بتوانند محتواهای غیرقانونی یا خشونت‌آمیز را شناسایی کرده و حذف کنند. دوما نیروی انسانی به دلیل مشکلاتی مانند خستگی یا بی‌توجهی و هم‌چنین هزینه‌ی بالای آن برای نظارت بر دوربین‌های تصویری مناسب نیست. به دلایلی که گفته شد، زمینه‌ای تحقیقاتی برای شناسایی خودکار فعالیت در رشته‌های ویدئویی ایجاد شده است.\r\nبه دلیل تنوع پس‌زمینه و ظاهر افراد، برای توصیف فعالیت به ویژگی‌های توصیف‌کننده‌ی حرکت نیاز داریم. از طرفی این ویژگی‌ها باید نسبت به نویز و تغییرات نامنظم ناگهانی ناشی از لرزش دوربین مقاوم باشند. یکی دیگر از چالش‌هایی که در این زمینه وجود دارد تنوع شیوه‎ی رخداد یک فعالیت است. بنابراین لازم است درکی معنایی از رخداد موجود در ویدئو بدست آید.\r\nدر این تحقیق روشی سلسه‌مراتبی برای شناسایی فعالیت پیشنهاد می‌شود که ترتیب زمانی اطلاعات موجود در ویدئو را در نظر می‌گیرد و می‎تواند ویدئوهای با طول نابرابر را با یکدیگر مقایسه کند. در روش پیشنهادی از روش مسیر متراکم بهبود‌یافته برای استخراج ویژگی استفاده می‌شود و این ویژگی‌ها با استفاده از بردار فیشر بهبودیافته کد می‎شوند. ساختار ترتیبی ویدئو طی دو مرحله با روش‌های ادغام رتبه و تابع هسته‌ی انعطاف‌پذیر با زمان استخراج‌ می‌شود. و سپس با استفاده از ماشین بردار پشتیبان فعالیت‌ها از یکدیگر تفکیک می‌گردند. با اجرای این روش بر روی ترکیب شماره‌یک پایگاه داده‌ی HMDB51 صحت 57.97درصد و بر روی پایگاه داده‎ی Olympic Sports صحت 85.07درصد بدست آمده است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK575.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}