基于CNN的3D动作识别的不同骨架特征研究
计算机视觉与模式识别
2017-05-03 v1
摘要
深度学习技术正被用于基于骨架的动作识别任务，并且已有出色性能报道。与倾向于过度强调时间信息的基于RNN的方法相比，基于CNN的方法可以从由骨架序列编码的纹理彩色图像中联合捕获时空信息。有几种基于骨架的特征已在基于RNN和基于手工特征的方法中被证明有效。然而，它们是否适用于基于CNN的方法仍未知。本文提出用不同编码方法将五种空间骨架特征编码为图像。此外，研究了用于特征提取的不同关节的性能影响。所提方法在NTU RGB+D数据集上取得了用于3D人体动作分析的最先进性能。在 Large Scale 3D Human Activity Analysis Challenge in Depth Videos 中达到了75.32%的准确率。
引用
@article{arxiv.1705.00835,
title = {Investigation of Different Skeleton Features for CNN-based 3D Action Recognition},
author = {Zewei Ding and Pichao Wang and Philip O. Ogunbona and Wanqing Li},
journal= {arXiv preprint arXiv:1705.00835},
year = {2017}
}