基于混合FR-DL方法的实时视频中复杂人体动作识别
计算机视觉与模式识别
2020-07-07 v1 机器学习
图像与视频处理
机器学习
摘要
自动化人体动作识别是计算机视觉中最具吸引力且实用的研究领域之一，尽管其计算成本较高。在此类系统中，人体动作标注基于视频序列中运动的外观与模式；然而，传统方法与经典神经网络无法利用时间信息对视频序列后续帧进行动作识别预测。另一方面，预处理阶段的计算成本较高。本文通过从输入序列中自动选取代表性帧，解决预处理阶段的挑战。此外，我们提取代表性帧的关键特征而非全部特征。我们提出一种混合技术，使用背景减除与HOG，随后应用深度神经网络与骨架建模方法。将CNN与LSTM递归网络结合用于特征选择及维持先前信息，最后使用Softmax-KNN分类器标注人体活动。我们将所提模型命名为基于特征缩减与深度学习（Feature Reduction & Deep Learning）的动作识别方法，简称FR-DL。为评估该方法，我们使用动作识别研究中广泛使用的基准数据集UCF。该数据集包含101种野外复杂活动。实验结果表明，与六篇SOTA文章相比，在准确率与速度上均有显著提升。
引用
@article{arxiv.2007.02811,
title = {Complex Human Action Recognition in Live Videos Using Hybrid FR-DL Method},
author = {Fatemeh Serpush and Mahdi Rezaei},
journal= {arXiv preprint arXiv:2007.02811},
year = {2020}
}