一种用于低质量视频序列中动作识别的混合框架
计算机视觉与模式识别
2019-03-12 v1
摘要
基于视觉的活动识别对于安全、监控与监视应用至关重要。此外，实时分析常面临低质量视频，且因光照不足与遮挡而包含较少的周围环境信息。因此，对于低质量与夜间安全操作，需要一种更鲁棒且集成的模型。在此背景下，我们提出了一种基于子图像直方图均衡增强与 k-关键姿态人体剪影的、光照不变的人体活动识别混合模型。该特征向量在原始动作视频数据集的三个低曝光视频序列子集上取得了良好的平均识别准确率。最后，所提方法的性能在三个经人工降质的低质量 Weizmann 动作、KTH 与 Ballet Movement 数据集上进行了测试。该模型在低曝光视频上优于现有方法，并取得了与同类 SOTA 方法相当的分类准确率。
引用
@article{arxiv.1903.04090,
title = {A Hybrid Framework for Action Recognition in Low-Quality Video Sequences},
author = {Tej Singh and Dinesh Kumar Vishwakarma},
journal= {arXiv preprint arXiv:1903.04090},
year = {2019}
}
备注
13 pages, 9 Figures