用于群体活动识别的层次化深度时间模型
计算机视觉与模式识别
2016-07-12 v1
摘要
在本文中，我们提出了一种对视频序列中一群人执行的活动进行分类的方法。这种群体活动识别问题可以通过考察个人动作及其关系来解决。时间动态既存在于个人动作层面，也存在于群体活动层面。给定视频序列作为输入，可以开发出在人物级和群体级细节上捕捉这些动态的方法。我们构建了一个基于 LSTM（长短期记忆）模型的深度模型来捕捉这些动态。为了同时建模人物级和群体级动态，我们针对群体活动识别问题提出了一个两阶段深度时间模型。在我们的方法中，一个 LSTM 模型被设计用于表示视频序列中个人的动作动态，另一个 LSTM 模型被设计用于聚合人物级信息以进行群体活动识别。我们收集了一个由排球视频组成的新数据集，标注了个人和群体活动，以评估我们的方法。在这个新的 Volleyball Dataset 和标准基准 Collective Activity Dataset 上的实验结果证明了所提模型的有效性。
引用
@article{arxiv.1607.02643,
title = {Hierarchical Deep Temporal Models for Group Activity Recognition},
author = {Mostafa S. Ibrahim and Srikanth Muralidharan and Zhiwei Deng and Arash Vahdat and Greg Mori},
journal= {arXiv preprint arXiv:1607.02643},
year = {2016}
}
备注
arXiv admin note: text overlap with arXiv:1511.06040