利用轨迹对发现关节运动
计算机视觉与模式识别
2015-04-27 v3
摘要
我们提出了一种无监督方法，用于在高度关节化物体执行自然、非脚本行为（如野生老虎）的视频中发现特征运动模式。我们以自底向上的方式通过分析大量有序轨迹对随时间的相对位移来发现一致模式，其中每条轨迹附着在物体的不同运动部件上。这种轨迹对描述符完全依赖于运动信息，比采用单轨迹的最先进特征更具判别力。我们的方法生成时间视频区间，每个区间自动修剪为所发现行为的一个实例，并按类型（例如奔跑、转头、饮水）进行聚类。我们在两个数据集上进行了实验：来自 YouTube-Objects 的狗视频数据集和一个新的国家地理老虎视频数据集。结果证实，我们提出的描述符在这两个数据集上均优于现有的基于外观和轨迹的描述符（例如 HOG 和 DTFs），并使我们能够将非约束动物视频分割为包含单一行为的区间。
引用
@article{arxiv.1411.7883,
title = {Articulated motion discovery using pairs of trajectories},
author = {Luca Del Pero and Susanna Ricco and Rahul Sukthankar and Vittorio Ferrari},
journal= {arXiv preprint arXiv:1411.7883},
year = {2015}
}
备注
10 pages, 5 figures, 2 tables