利用深度残差神经网络从骨架运动中学习与识别人体动作
计算机视觉与模式识别
2018-03-22 v1
摘要
自动人体动作识别对于几乎所有人工智能系统（如视频监控、人机交互、视频检索等）都是不可或缺的。尽管取得了许多进展，但在未知视频中识别动作仍然是计算机视觉中一项具有挑战性的任务。近年来，深度学习算法在许多与视觉相关的识别任务中证明了其巨大潜力。在本文中，我们提出使用深度残差神经网络从 Kinect 传感器提供的骨架数据中学习并识别人体动作。首先，将身体关节坐标转换为三维数组并保存为 RGB 图像空间。设计了五种基于 ResNet 的不同深度学习模型来提取图像特征并将其分类。在两个包含各种挑战的公开人体动作识别视频数据集上进行了实验。结果表明，与现有方法相比，我们的方法实现了 SOTA 的性能。
引用
@article{arxiv.1803.07780,
title = {Learning and Recognizing Human Action from Skeleton Movement with Deep Residual Neural Networks},
author = {Huy-Hieu Pham and Louahdi Khoudour and Alain Crouzil and Pablo Zegers and Sergio A. Velastin},
journal= {arXiv preprint arXiv:1803.07780},
year = {2018}
}
备注
The 8th International Conference of Pattern Recognition Systems (ICPRS 2017), Madrid, Spain