Action4D：拥挤与杂乱场景中的实时动作识别
计算机视觉与模式识别
2018-06-08 v1
摘要
在拥挤且杂乱的环境中识别每个人的动作是一项具有挑战性的任务。本文提出一种实时动作识别方法 Action4D，可在真实世界设定下给出可靠且准确的结果。我们提议利用对杂乱场景的整体 4D“扫描”来解决动作识别问题，以包含关于人与环境的每个细节。在杂乱的 4D 表示中识别多人的动作是一个新问题。本文提出新颖方法解决该问题。我们提出一种在 4D 中跟踪人的新方法，可实时可靠地检测并跟随每个人。我们提出一种新型深度神经网络 Action4D-Net，用于识别每个被跟踪者的动作。Action4D-Net 的新颖结构同时使用全局特征与聚焦注意力，取得了最先进的结果。我们的实时方法对相机视角不变、抗杂乱干扰且能处理人群。实验结果表明所提方法快速、可靠且准确。我们的方法为真实世界应用中的动作识别铺平了道路，并可用于部署以实现智能家庭、智能工厂与智能商店。
引用
@article{arxiv.1806.02424,
title = {Action4D: Real-time Action Recognition in the Crowd and Clutter},
author = {Quanzeng You and Hao Jiang},
journal= {arXiv preprint arXiv:1806.02424},
year = {2018}
}