使用手势包从3D骨骼数据进行线性时间在线动作检测
计算机视觉与模式识别
2015-12-29 v6
摘要
滑动窗口是将成功的识别系统扩展到处理更具挑战性的检测问题的一种直接方法。动作识别仅判断预分割视频序列中是否存在某个动作，而动作检测则识别该动作在未分割视频流中发生的时间区间。然而，用于动作检测的滑动窗口方法可能很慢，因为它们需要在所有可能的子区间上最大化分类器得分。尽管新方案利用动态规划加速了最优子区间的搜索，但它们需要对整个视频序列进行离线处理。本文提出了一种基于从深度数据中提取的3D骨骼序列的在线动作检测新方法。它以线性时间识别出具有最大分类器得分的子区间。此外，该方法对时间尺度变化具有不变性，并且适用于低延迟的实时应用。
引用
@article{arxiv.1502.01228,
title = {Linear-time Online Action Detection From 3D Skeletal Data Using Bags of Gesturelets},
author = {Moustafa Meshry and Mohamed E. Hussein and Marwan Torki},
journal= {arXiv preprint arXiv:1502.01228},
year = {2015}
}