用于跨摄像头动作识别基准测试的多摄像头动作数据集
计算机视觉与模式识别
2017-05-08 v3
摘要
在过去的十年中，动作识别受到了计算机视觉和机器学习社区越来越多的关注。为了研究该问题，存在大量动作数据集，它们在受控实验室环境、真实世界监控环境或互联网爬取中录制。除了“in-the-wild”数据集外，传统数据集的训练与测试划分通常具有相似的环境条件，这导致在受限数据集上接近完美的性能。本文中，我们引入一个新的数据集，即多摄像头动作数据集(Multi-Camera Action Dataset, MCAD)，旨在评估监控环境下的开放视角分类问题。总体而言，MCAD包含来自18个动作类别的14,298个动作样本，由20名受试者执行，并由5个摄像头独立录制。受LFW数据集上广受认可的评估方法启发，我们设计了一个标准评估协议，并在多种场景下对MCAD进行了基准测试。基准测试表明，虽然在闭视角场景下取得了85%的平均准确率，但在跨视角场景下性能显著下降。在最坏情况下，10折交叉验证的性能从87.0%降至47.4%。
引用
@article{arxiv.1607.06408,
title = {Multi-Camera Action Dataset for Cross-Camera Action Recognition Benchmarking},
author = {Wenhui Li and Yongkang Wong and An-An Liu and Yang Li and Yu-Ting Su and Mohan Kankanhalli},
journal= {arXiv preprint arXiv:1607.06408},
year = {2017}
}