基于 2D 运动与静态姿态图像上 GLAC 描述符的 3D 人体动作分析与识别
计算机视觉与模式识别
2019-04-02 v1 机器学习
图像与视频处理
机器学习
摘要
在本文中，我们提出一种用于深度动作视频中动作识别的方法。首先，我们处理视频，基于 3D 运动轨迹模型（3DMTM）的使用，获得对应于动作视频的运动历史图像（MHIs）和静态历史图像（SHIs）。然后，我们通过从 SHIs 和 MHIs 中提取梯度局部自相关（GLAC）特征来刻画动作视频。这两组特征，即来自 MHIs 的 GLAC 特征和来自 SHIs 的 GLAC 特征，被拼接以获得动作的表示向量。最后，我们使用 l2 正则化协同表示分类器（l2-CRC）对所有动作样本进行分类，以有效识别不同的人体动作。我们在三个动作数据集 MSR-Action3D、DHA 和 UTD-MHAD 上对所提方法进行了评估。通过实验结果，我们观察到所提方法优于其他方法。
引用
@article{arxiv.1904.00764,
title = {3D human action analysis and recognition through GLAC descriptor on 2D motion and static posture images},
author = {Mohammad Farhad Bulbul and Saiful Islam and Hazrat Ali},
journal= {arXiv preprint arXiv:1904.00764},
year = {2019}
}
备注
Multimed Tools Appl (2019)