基于有效骨架表示挖掘用于动作识别的中级特征
计算机视觉与模式识别
2014-09-16 v1
摘要
最近，中级特征在计算机视觉中显示出良好的性能。通过结合类别级信息学习到的中级特征可能比传统的低级局部特征更具判别力。在本文中，提出了一种有效的方法，从 Kinect 骨架中提取中级特征用于 3D 人体动作识别。首先，计算由两个骨架关节连接的肢体的方向，并将每个方向编码为 27 种状态之一，以指示关节的空间关系。其次，将肢体组合成部分，并将肢体状态映射为部分状态。最后，采用频繁模式挖掘来挖掘连续几帧中部分的最频繁且相关（具有判别性、代表性且非冗余）的状态。这些部分被称为频繁局部部分（FLPs）。FLPs 使我们能够构建强大的基于 FLP 袋的动作表示。这种新表示在 MSR DailyActivity3D 和 MSR ActionPairs3D 数据集上产生了最先进的结果。
引用
@article{arxiv.1409.4014,
title = {Mining Mid-level Features for Action Recognition Based on Effective Skeleton Representation},
author = {Pichao Wang and Wanqing Li and Philip Ogunbona and Zhimin Gao and Hanling Zhang},
journal= {arXiv preprint arXiv:1409.4014},
year = {2014}
}