一种用于实时人体动作定位与跟踪的人工智能模型
计算机视觉与模式识别
2019-11-13 v1 机器学习
图像与视频处理
摘要
近年来，基于深度学习（DL）的人工智能（AI）引发了巨大的全球兴趣。DL 如今被广泛使用，并已拓展至各种有趣领域。它在跨主题研究中日益流行，例如智能城市系统研究，其将计算机科学于工程应用相结合。人体动作检测便是其中之一。人体动作检测因其对计算速度与精度的严苛要求而是一项有趣的挑战。高精度的实时目标跟踪也被视为重大挑战。本文整合被认为是最先进实时目标检测工具的 YOLO 检测网络、运动向量与 Coyote 优化算法（COA）来构建实时人体动作定位与跟踪系统。所提系统首先从压缩视频流中提取运动信息，并使用目标检测器从 RGB 帧中提取表观信息。随后对两路流进行融合，并将结果送入所提动作跟踪模型。COA 因其精度与快速收敛性被用于目标跟踪。所提模型的基本基础是利用已存在于压缩视频比特流中、能提供充足信息以改善目标动作定位而无需像光流等其它流行运动信息提取方法那样高耗计算资源的运动向量。这一优势使得所提方法可在计算资源受限的挑战性环境（如物联网（IoT）系统）中实施。
引用
@article{arxiv.1911.04469,
title = {A Proposed Artificial intelligence Model for Real-Time Human Action Localization and Tracking},
author = {Ahmed Ali Hammam and Mona Soliman and Aboul Ella Hassanien},
journal= {arXiv preprint arXiv:1911.04469},
year = {2019}
}
备注
SUBMITTED TO IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS