用于群体活动识别的层次化深度时间模型
计算机视觉与模式识别
2016-04-07 v2
摘要
在群体活动识别中，整个活动的时间动态可以基于代表该活动的个体动态来推断。我们构建了一个基于 LSTM（长短期记忆）模型的深度模型来捕捉这些动态。为了利用这些观测结果，我们针对群体活动识别问题提出了一个两阶段深度时间模型。在我们的模型中，一个 LSTM 模型被设计用于表示序列中个体人的动作动态，另一个 LSTM 模型被设计用于聚合人类层级信息以实现整个活动的理解。我们在两个数据集上评估了我们的模型：集体活动数据集和一个新的排球数据集。实验结果表明，与基线方法相比，我们提出的模型提升了群体活动识别的性能。
引用
@article{arxiv.1511.06040,
title = {A Hierarchical Deep Temporal Model for Group Activity Recognition},
author = {Moustafa Ibrahim and Srikanth Muralidharan and Zhiwei Deng and Arash Vahdat and Greg Mori},
journal= {arXiv preprint arXiv:1511.06040},
year = {2016}
}
备注
cs.cv Accepted to CVPR 2016