一种基于相关性的第一人称活动识别特征表示
计算机视觉与模式识别
2019-04-12 v2
摘要
本文提出一种简洁而高效的第一人称视频活动识别方法。所提方法适用于高维特征的表示，例如从卷积神经网络（CNNs）提取的特征。将逐帧（逐段）提取的特征视为一组时间序列，并利用时间序列间与时序内的关系来表示视频描述子。为发现时序间关系，将序列分组并计算每组两两之间的线性相关，其关系可表征场景动态与局部运动。所引入的分组策略有助于显著降低计算代价。此外，我们在时间方向上对序列进行切分，以保留长时运动并更好地聚焦于各局部时间窗。为提取可视为各类活动基本成分的周期性运动模式，利用了时序内相关。该表示法得到极具判别力的特征，可被线性分类。实验证实，我们的方法在两个具挑战性的第一人称数据集上识别第一人称活动的表现优于 SOTA 方法。
引用
@article{arxiv.1711.05523,
title = {A Correlation Based Feature Representation for First-Person Activity Recognition},
author = {Reza Kahani and Alireza Talebpour and Ahmad Mahmoudi-Aznaveh},
journal= {arXiv preprint arXiv:1711.05523},
year = {2019}
}
备注
15 pages, 6 figures, 5 tables