利用时间上下文与人运动动态进行视频中在线动作检测的探索

如今，人与机器人之间的交互不断扩展，要求越来越多的人类运动识别应用实时运行。然而，大多数关于时间动作检测与识别的工作都以离线方式执行这些任务，即对整个时间分割后的视频进行分类。在本文中，基于近期提出的时序循环网络（Temporal Recurrent Networks）框架，我们探索如何有效利用时间上下文与人运动动态来进行在线动作检测。我们的方法使用多种最先进的架构，并适当组合所提取的特征以改进动作检测。我们在一个具有挑战性但被广泛使用的时间动作定位数据集THUMOS'14上评估了我们的方法。我们的实验表明相较基线方法有明显提升，在THUMOS'14上取得了最先进的结果。