Muhammad al-xorazmiy nomidagi toshkent axborot texnologiyalar universiteti va raqamli texnologiyalar vazirligi

MUHAMMAD AL-XORAZMIY NOMIDAGI TOSHKENT AXBOROT TEXNOLOGIYALAR UNIVERSITETI VA RAQAMLI TEXNOLOGIYALAR VAZIRLIGI


MUSTAQIL ISH

Bajardi: Rasuljonov Nurali
Tekshirdi: Sobirjonova Gulnora
Jism harakatini ilg‘ash va ko‘rsatish mikroprotsessor tizimi

Reja:

1.

2.

3.

4.

5.

Kirish:

Jism harakatini ilg‘ash va ko‘rsatish mikroprotsessor tizimi" deb nomlanuvchi ifoda "mikroprotsessor tizimi" yordamida jism harakatlarini sezib olish va ko'rsatishga mo'ljallangan texnologiyani anglatadi. Bu tizimlar qo'llanilgan harakatlarni tanish, izlash va boshqarish imkoniyatlarini taqdim etish uchun ishlatiladi. Mikroprotsessor tizimi jism harakatlarini sensorlar yordamida yig'ib olib, ulardan ma'lumotlarni qayta ishlash va ko'rsatish uchun muhim ishlovchi bir qismini egallaydi.
Bu tizimlar ko'plab sohalarda foydalaniladi, masalan, sport, tibbiyot, san'at, virtual realitiyada va boshqa sohalarda. Ularning imkoniyatlari jismoniy faoliyatni monitor qilish, harakat analizi, virtual o'yinlarda o'ynash, robotlar va boshqa avtomatlashtirilgan tizimlarni boshqarish uchun foydalanilishi mumkin.
Umuman olganda, "Jism harakatini ilg‘ash va ko‘rsatish mikroprotsessor tizimi" jism harakatlarini sezib olish va ulardan foydalanishni oldindan belgilangan maqsadlar uchun yaratilgan texnologiyani ifoda etadi.


Ishning nazariy Mazmuni:


Sintezlangan jismoniy tasvirlar jismoniy birlashmalarni kuzatuvchi tizimning ma'lumotlarini o'rganish uchun generatsiya qilinadi. Harakat qaydnomalaridan kadrlar bir nechta turli jismoniy turlarga qaytariladi, harakat qaydnomalaridan foydalanishni oshirish uchun. Ma'lumotlar o'rganish algoritmi uchun takrorlanuvchi yoki o'xshash kadrlarni taqdim qilishni yo'qotish, hamda qisqa lekin juda turli tasvir to'plamini taqdim qilish uchun, o'xshash kadrlar o'xshashlik metrikasi yordamida aniqlanishi mumkin. O'xshashlik metrikasi, belgilangan bir oraliq masofaga muvofiq etarli farq qiladigan kadrlarni topish uchun ishlatiladi. Realistiklik uchun, haqiqiy dunyodagi glib olish kamerasi ko'plab g'azablanish manbalari asosida glib olish tasvirlarga g'azablanish qo'shiladi. Boshqa tasodifiy farqlashmalar ham kiritilishi mumkin. Masalan, g'azablanishga tasodifiy darajada tasodifiylik qo'shilishi mumkin. Har bir kadrga, glib olish tasviri va belgilangan jismoniy qismlarga ega bo'lgan klassifikatsiya tasviri taqdim etiladi. 3D sahnadagi elementlar ham taqdim etilishi mumkin


Kuzatish tizimlari odam yoki boshqa ob'ektning joylashuvi va harakatiga oid ma'lumotlarni fizikaviy xotirada olishadi va ma'lumotni kompyuter tizimida bir dasturga kiritish uchun foydalanadi. Ba'zi tizimlar jismoniy modellarni, jismning birlashmalarini o'z ichiga olgan iskelet modelini aniqlab olishadi va shuning uchun ular jismoniy birlashma kuzatuvchi tizimlar deb hisoblanishi mumkin. Ko'plab sohalarda qo'llanilishi mumkin, masalan, harbiyot, tanlovlarda, sport va tibbiyot maqsadlarida. Masalan, odamlarning harakati animatsion qahramon yoki avatarga aylantirish uchun ishlatilishi mumkin. Optik tizimlar, ko'rinadigan va ko'rinmaydigan, masalan, infratuzilma, yorug'likdan foydalanish bilan, ko'rinadigan sohada odamning mavjudligini aniqlash uchun kameradan foydalanadi. Lekin, jismoniy birlashma kuzatuvchi tizmanning rivojlanishini yengillashtirish uchun sintezlangan tasvirlar shaklida o'rganish ma'lumotlarini taqdim etish zarur.
1
Jismoniy birlashma kuzatuvchi tizimdagi odam jismini kuzatuvchi uchun proksi o'rganish ma'lumotlarini generatsiya qilish uchun protsessor tomonidan amalga oshirilgan usul, tizim va tanlashadigan kompyuter o'qish uchun saqlashni taqdim etiladi.
2


Jismoniy birlashma kuzatuvchi tizmanning rivojlanishida, glib olish kamerasi foydalaniladi va odamning kameraning ko'rish maydonida harakatlanishi bilan bog'liq glib olish tasvirini olish uchun ishlatiladi. Odaming jismini aniqlash va odamning bajarayotgan harakatlarini yoki pozalarini tanish uchun turli xisoblash usullari ishlatiladi. Ushbu jarayon Supervised (O'qituvchi) ma'lumotlar o'rganish algoritmasi sifatida qaraladi. Jarayon o'qituvchi sababli odamning joylashuvi va pozalari bilinadi. Maqsad, jismoniy birlashma kuzatuvchi tizmaga odamning joylashuvini va pozalarini tanishni o'rganishni o'rgatishdir. O'rganish algoritmasiga turli ta'riflar kiritilishi mumkin, masalan, g'azablanishni filtrlash, turli jismoniy turlarni tanishlash va odamning jismini, mebel, devor va hokazo kabi ko'rinadigan boshqa ob'ektlardan ajratish. Lekin, o'qituvchi algoritmani haqiqiy dunyoda yashovchi odamdan foydalanish jarayoni noaniqlikka uchraydi va jismoniy birlashma kuzatuvchi tizmaga kommersiya mahsuloti sifatida minglab hatto millionlarga foydalanuvchining uyida qo'llanilganida u bilan bog'liq bir nechta senariylarni aniqlashda aniqlik bilan namoyon bo'lmaydi.
3.
O'rganish algoritmasining o'qitishini optimallashtirish uchun, sintezlangan tasvirlar haqiqiy odamning tasvirlari o'rniga o'rnak yoki proksi sifatida generatsiya qilinishi mumkin. Sintezlangan tasvirlar haqiqiy odamning tasvirlarini yuqori darajada o'zgartirish yoki almashtirish uchun ishlatilishi mumkin. Shuningdek, sintezlangan tasvirlar kompyuterni samaradorligi bilan ta'minlanishi mumkin, haqiqiylikka mos kelish va jismoniy birlashma kuzatuvchi tizmaga o'rnatilganida haqiqiy dunyo sharoitlarini imitatsiya qilish uchun katta darajada o'zgarishlilik ta'minlayishi mumkin.


4.
Bir variantda, odam jismini kuzatuvchi uchun proksi o'rganish ma'lumotlarini generatsiya qilish uchun protsessor tomonidan amalga oshirilgan usul taqdim etiladi. Usul bir nechta protsessor tomonidan amalga oshiriladigan qadamlarni o'z ichiga oladi. Usul, aktyorning harakat bajarishi davrida aktyorning pozasini aniqlaydigan kamida bir harakat nusxasiga kirishni o'z ichiga oladi. Masalan, nusxalar aktyorni harakatlar ketma-ketligini bajarayotgan bir kamalak kostyum kiygan va belgilashlarni o'z ichiga olgan harakat nusxalari sifatida mo'ljallangan harakat nusxalari studio yoki kinoteatrda olingan bo'lishi mumkin. Usul, har bir harakat nusxasi asosida bir nechta turdagi jismoniy turlarga retargetlash va farq qiluvchi pozalarni tanlashni o'z ichiga oladi, retargetlash natijasida bir nechta farq qiluvchi pozalar beradi. Usul, har bir farq qiluvchi poza uchun alohida 3D jismoniy model asosida har bir farq qiluvchi poza uchun alohida chuqurlik tasviri va farq qiluvchi pozaning jismoniy qismlarini aniqlaydigan alohida tasniflash tasviri berishni o'z ichiga oladi. Turli jismoniy turlar uchun bir nechta turli 3D jismoniy modellardan foydalaniladi. Qo'shimcha, alohida chuqurlik tasviri va alohida tasniflash tasviri piksel ma'lumotlardan iborat bo'lib, bu ma'lumotlar odam jismini kuzatuvchi uchun ma'lumotlar o'rganish algoritmasi tomonidan ishlatilishi mumkin.


5.
Bir qo'llanmada, farq qiluvchi poza tanlashdan oldin tasvirni retargetlash amalga oshiriladi, va boshqa bir qo'llanmada, farq qiluvchi poza tanlashdan so'ng tasvirni retargetlash amalga oshiriladi. Iste'mol qilishga qaror qilganda, tasvirning haqiqiy dunyo muhitida glib olinadigan tasvirga o'xshash va haqiqiylikni oshirish uchun chuqurlik tasviriga shamol qo'shib qo'yilishi mumkin. Shamolning ichida odamning sochining mavjudligi tomonidan yaratilgan shamol, chuqurlik miqdorini tartiblash shamoli, tasodifiy shamol, odamning jismoniy qismlaringi tomonga shamol, juda tez yaratilgan strukturalar aniqlanishi tomonidan yaratilgan shamol va kamera geometriyasi tomonidan yaratilgan shamol o'z ichiga olgan bo'lishi mumkin.