基于潜在超像素分类的静态图像动作识别
计算机视觉与模式识别
2015-07-31 v1
摘要
静态图像中的动作识别是计算机视觉应用（如图像标注、机器人导航、视频监控等）的一项重要任务。现有方法主要依赖于词袋特征表示或关节身体部位模型。然而，动作与图像片段之间的关系仍基本上未被探索。为此，本文提出通过利用一层中间的“超像素”来处理动作识别，其潜在类别可作为动作的属性。在所提方法中，动作类别由基于图像超像素及其潜在类别的度量通过学习的结构模型（由隐结构SVM学习）预测。在具有挑战性的斯坦福40动作数据集上的实验结果报告了正类平均准确率74.06%和负类88.50%，证明了所提方法的性能。
引用
@article{arxiv.1507.08363,
title = {Action recognition in still images by latent superpixel classification},
author = {Shaukat Abidi and Massimo Piccardi and Mary-Anne Williams},
journal= {arXiv preprint arXiv:1507.08363},
year = {2015}
}
备注
To appear in the Proceedings of the IEEE International Conference on Image Processing. Copyright 2015 IEEE. Please be aware of your obligations with respect to copyrighted material