面向 HRI 应用的在线人体活动识别紧凑序列编码方案
计算机视觉与模式识别
2020-12-03 v1
摘要
人体活动识别与分析一直是模式识别与机器智能最活跃的领域之一，其应用涵盖诸多领域，包括但不限于体能游戏、监控、体育分析以及医疗保健。尤其在人机交互(HRI)中，人体活动理解起着关键作用，因为家用机器人助手是近未来的趋势。然而，能够支持复杂机器智能任务的顶尖基础设施并非总是可用，对于普通消费者而言也可能因为机器人硬件昂贵而不可及。在本文中，我们提出一种新颖的动作序列编码方案，利用基于马氏距离的形状特征与 Radon 变换，将时空动作序列高效转换为紧凑表示。该表示可用作轻量卷积神经网络的输入。实验表明，当基于顶尖人体姿态估计技术时，所提出的流程可提供鲁棒的端到端在线动作识别方案，可部署于缺乏极强计算能力的硬件上。
引用
@article{arxiv.2012.00873,
title = {A compact sequence encoding scheme for online human activity recognition in HRI applications},
author = {Georgios Tsatiris and Kostas Karpouzis and Stefanos Kollias},
journal= {arXiv preprint arXiv:2012.00873},
year = {2020}
}