利用场景信息和多任务学习方法提升人-物互动动作识别
计算机视觉与模式识别
2025-09-18 v3
摘要
最近的图卷积神经网络(GCN)在使用人类骨架姿态的情况下显示出人类动作识别中的高性能，但由于缺乏有效的场景信息表示和合适的学习架构，未能成功检测人-物互动案例。在此背景下，我们提出一种方法论，利用固定物体信息来考虑人类动作识别性能，并遵循多任务学习方法。为评估所提方法，我们收集来自公开环境的真实数据并准备了数据集，其中包括手部操作固定物体(如 ATM 取票机、登机/退机机器等)的互动类别和行走和站立的非互动类别。多任务学习方法，结合互动区域信息，成功地以 99.25% 的准确率识别了研究的互动和非互动动作，显著优于仅使用人类骨架姿态的基准模型提升了 2.75% 的准确率。
引用
@article{arxiv.2509.09067,
title = {Improvement of Human-Object Interaction Action Recognition Using Scene Information and Multi-Task Learning Approach},
author = {Hesham M. Shehata and Mohammad Abdolrahmani},
journal= {arXiv preprint arXiv:2509.09067},
year = {2025}
}