学习人物轨迹表示用于团队活动分析
计算机视觉与模式识别
2017-06-06 v1
摘要
在多人跨大空间交互的活动分析中，由于个体行为与集体群体动态的相互作用，分析具有挑战性。我们提出了一种端到端的方法，用于学习人物轨迹表示以进行群体活动分析。学习到的表示编码了丰富的时空依赖关系，并捕捉了用于识别个体事件的有用运动模式，以及可用于仅从轨迹识别群体的特征群体动态。我们在团队运动的背景下开发了深度学习方法，团队运动提供了定义明确的事件集（如传球、射门）和人群组（团队）。使用NHL冰球和NBA篮球数据集对事件和团队阵型进行的分析证明了我们方法的通用性。
引用
@article{arxiv.1706.00893,
title = {Learning Person Trajectory Representations for Team Activity Analysis},
author = {Nazanin Mehrasa and Yatao Zhong and Frederick Tung and Luke Bornn and Greg Mori},
journal= {arXiv preprint arXiv:1706.00893},
year = {2017}
}