基于光流与梯度随机建模的多动作识别
计算机视觉与模式识别
2015-02-09 v1
摘要
在本文中，我们提出一种新颖的多动作识别方法，其执行联合分割与分类。该方法使用鲁棒的低维动作特征，通过高斯混合对每个动作建模。分割通过对重叠时间窗执行分类实现，随后合并这些窗口产生最终结果。该方法比以往使用动态规划或计算昂贵的隐马尔可夫模型（HMMs）的方法显著更简单。在拼接版 KTH 数据集上的初步实验表明，所提方法达到了 78.3% 的准确率，优于近期基于 HMM 的方法所取得的 71.2%。
引用
@article{arxiv.1502.01782,
title = {Multi-Action Recognition via Stochastic Modelling of Optical Flow and Gradients},
author = {Johanna Carvajal and Conrad Sanderson and Chris McCool and Brian C. Lovell},
journal= {arXiv preprint arXiv:1502.01782},
year = {2015}
}