基于稀疏编码与相对特征的视频动作识别
计算机视觉与模式识别
2016-05-12 v1
摘要
本文提出一种利用稀疏编码技术进行基于类别的视频动作识别的方法。该方法包含两个主要贡献：i) 一种通过将每个视频分解为一组精简的代表性原子动作或关键序列来处理类内变化的新方法；ii) 一种新的视频描述符 ITRA（Inter-Temporal Relational Act Descriptor，时序间关联动作描述符），其利用比较推理的能力来捕捉关键序列之间的相对相似性关系。在获取关键序列的方法方面，我们引入了一个损失函数，对于每个视频，该损失函数能识别出一组稀疏的代表性关键帧，这些关键帧既捕获输入视频中出现的相关特性，也捕获整个类别集合中出现的相关共性。在获取 ITRA 描述符的方法方面，我们提出了一种新方案来量化视频中出现的局部时间模式之间的相对类内和类间相似性。所得的 ITRA 描述符被证明在区分动作类别方面非常有效。因此，所提方法在多个流行基准数据集上取得了显著的动作识别性能，大幅优于其他最先进的技术。
引用
@article{arxiv.1605.03222,
title = {Action Recognition in Video Using Sparse Coding and Relative Features},
author = {Anali Alfaro and Domingo Mery and Alvaro Soto},
journal= {arXiv preprint arXiv:1605.03222},
year = {2016}
}
备注
Accepted to CVPR 2016