人类活动中运动基元的发现与识别
机器人学
2019-02-05 v7 人工智能
计算机视觉与模式识别
摘要
我们提出了一个用于在人类活动视频中自动发现和识别运动基元的新颖框架。给定视频中人体的 3D 姿态，通过优化“运动通量”（一个捕捉一组骨骼关节运动变化的量）来发现人体运动基元。为了使运动基元对受试者的解剖差异和数据采样率不变，提出了一种基元归一化方法。发现的基元是未知的且无标签的，并通过分层非参数贝叶斯混合模型以无监督方式被收集到各个类中。一旦类别被确定并标记，便进一步对其进行分析以建立用于识别所发现基元的模型。每个基元模型由一组学习到的参数定义。给定新的视频数据并给定视频中出现的受试者的估计姿态，运动被分割为多个基元，并根据学习到的模型的参数以给定概率被识别。使用我们的框架，我们利用取自知名运动捕捉数据集的序列构建了一个公开可用的人体运动基元数据集。我们期望我们的框架通过提供发现和分类人体运动的客观方法，将成为众多研究领域中的有用工具，包括视频分析、类人运动生成、示范学习、直观的人机交互以及人类行为分析。
引用
@article{arxiv.1709.10494,
title = {Discovery and recognition of motion primitives in human activities},
author = {Marta Sanzari and Valsamis Ntouskos and Fiora Pirri},
journal= {arXiv preprint arXiv:1709.10494},
year = {2019}
}