基于深度学习的伊斯兰礼拜（Salat）姿势活动监测
计算机视觉与模式识别
2019-11-12 v1 计算机与社会
机器学习
摘要
在穆斯林群体中，礼拜（即 Salat）是伊斯兰的第二大支柱，也是信徒每日五次必须进行的最本质与基础的崇拜活动。从手势角度看，存在必须精确完成的预定人体姿势。然而，对于部分人而言，由于初学 Salat 甚至以错误方式学习过礼拜，这些姿势未被正确完成。此外，各姿势所耗时间也需均衡。为解决这些问题，我们提议开发一种人工智能辅助框架，引导礼拜者评估其祈祷姿势的正确性。本文是实现该目标的第一步，利用卷积神经网络（CNN）解决伊斯兰礼拜基本手势的识别问题。本文贡献在于构建了基本 Salat 姿势的数据集，并训练了 YOLOv3 神经网络用于手势识别。实验结果表明，在包含 764 张不同姿势图像的训练集上，平均精度均值达到 85%。据我们所知，这是首项利用深度学习进行 Salat 人类活动识别的工作。
引用
@article{arxiv.1911.04102,
title = {Activity Monitoring of Islamic Prayer (Salat) Postures using Deep Learning},
author = {Anis Koubaa and Adel Ammar and Bilel Benjdira and Abdullatif Al-Hadid and Belal Kawaf and Saleh Ali Al-Yahri and Abdelrahman Babiker and Koutaiba Assaf and Mohannad Ba Ras},
journal= {arXiv preprint arXiv:1911.04102},
year = {2019}
}
备注
Submitted to the 6th International Conference on Data Science and Machine Learning Applications (CDMA 2020)