基于动态时空关系的人体活动识别
计算机视觉与模式识别
2020-06-30 v1 机器学习
摘要
人体活动通常由若干动作组成，一般涵盖人与人或人与物之间的交互。特别地，人体动作涉及特定的空间与时间关系，是更复杂活动的组成部分，并随时间动态演化。因此，单一人体动作的描述与连续人体动作演化的建模是人体活动识别中的两个主要问题。本文提出一种解决这两个问题的人体活动识别方法。在所提方法中，一个活动被划分为若干由时空模式表示的连续动作，这些动作的演化由序列模型捕获。利用一种精炼的综合时空图表示单一动作，该图是对人体动作结合参与对象空间与时间关系的定性表示。接着，应用离散隐马尔可夫模型对动作序列的演化建模。此外，提出一种全自动分割方法，基于变化对象与定性空间关系将长期人体活动视频划分为若干人体动作。最后，引入人体层次分解以获得单一动作的判别性表示。在 Cornell Activity Dataset 上的实验结果证明了所提方法的效率与有效性，其将更好地识别长期人体活动视频。
引用
@article{arxiv.2006.16132,
title = {Human Activity Recognition based on Dynamic Spatio-Temporal Relations},
author = {Zhenyu Liu and Yaqiang Yao and Yan Liu and Yuening Zhu and Zhenchao Tao and Lei Wang and Yuhong Feng},
journal= {arXiv preprint arXiv:2006.16132},
year = {2020}
}