用于 CBVR 系统中识别人类动作的 KPCA 时空轨迹点云分类器
信息检索
2014-03-27 v1 计算机视觉与模式识别
摘要
我们描述了一种基于内容的视频检索（CBVR）软件系统，用于在全长电影中识别人类动作的特定位置，并从查询中检索相似的视频镜头。为此，我们引入了轨迹点云的概念来分类独特的动作，该点云编码在时空协变特征空间中，其中每个点以其空间位置、局部 Frenet-Serret 矢量基、时间平均曲率和挠率以及平均密切超平面为特征。由于每个动作可以通过其在该空间中的独特轨迹来区分，因此轨迹点云被用来定义自适应距离度量，以便针对存储的动作对查询进行分类。根据与其他轨迹的距离，该距离度量利用轨迹点云的大尺度结构（如云质心之间的平均距离或超平面方向的差异）或小尺度结构（如时间平均曲率和挠率），在模糊 KNN 中对单个点进行分类。我们的系统可以实时运行，并且在视频库中的多动作识别准确率超过 93%。我们展示了 CBVR 系统在两种情况下的应用：在两部功能齐全的电影中定位训练动作的特定帧位置，以及通过 Web 搜索应用程序从数据库中检索视频镜头。
引用
@article{arxiv.1403.6794,
title = {KPCA Spatio-temporal trajectory point cloud classifier for recognizing human actions in a CBVR system},
author = {Iván Gómez-Conde and David N. Olivieri},
journal= {arXiv preprint arXiv:1403.6794},
year = {2014}
}