基于联合轨迹图与卷积神经网络的人体动作识别
计算机视觉与模式识别
2016-11-15 v2
摘要
近年来，卷积神经网络 (ConvNets) 在许多计算机视觉任务中展现出良好的性能，尤其是基于图像的识别。如何有效地将 ConvNets 用于基于视频的识别仍是一个开放性问题。本文提出一种紧凑、有效且简单的方法，将 骨骼序列中携带的时空信息编码为多个 图像，称为联合轨迹图 (Joint Trajectory Maps, JTM)，并采用 ConvNets 提取判别性特征以实现实时人体动作识别。所提方法在三个公开基准上进行了评估，即 MSRC-12 Kinect 手势数据集 (MSRC-12)、G3D 数据集和 UTD 多模态人体动作数据集 (UTD-MHAD)，并取得了最先进 (SOTA) 的结果。
引用
@article{arxiv.1611.02447,
title = {Action Recognition Based on Joint Trajectory Maps Using Convolutional Neural Networks},
author = {Pichao Wang and Zhaoyang Li and Yonghong Hou and Wanqing Li},
journal= {arXiv preprint arXiv:1611.02447},
year = {2016}
}