用于人类行为识别的深度轨迹
计算机视觉与模式识别
2019-05-27 v1
摘要
在复杂场景中识别人类动作被广泛认为是一项具有挑战性的研究问题，原因在于不可预测的行为以及外观与姿态的变化。为提取运动与姿态中的变化，轨迹提供了一种有意义的方式。然而，简单轨迹通常由空间坐标向量表示。为识别人类动作，我们必须利用不同轨迹间的结构关系。本文提出一种方法：将视频划分为 N 个片段，随后为每个片段提取轨迹。接着我们计算每个片段的轨迹描述子，以捕捉视频片段中不同轨迹间的结构关系。对于轨迹描述子，我们将所有提取的轨迹投影至画布上，这将生成可存储轨迹间相对运动与结构关系的纹理图像。随后我们训练卷积神经网络（CNN）以从稠密轨迹中捕捉并学习表示。实验结果表明，我们所提方法在基准数据集上以 90.01% 优于当前最优方法。
引用
@article{arxiv.1905.10357,
title = {Deep Trajectory for Recognition of Human Behaviours},
author = {Tauseef Ali and Eissa Jaber Alreshidi},
journal= {arXiv preprint arXiv:1905.10357},
year = {2019}
}