Nrityantar：一种忽略姿态的印度古典舞蹈序列分类系统
计算机视觉与模式识别
2018-12-14 v1
摘要
在本文中，我们试图将人体动作识别领域的研究推进到一个相当专门化的应用，即印度古典舞蹈（ICD）分类。此类舞蹈形式在手部和身体姿态、面部表情或情绪以及头部朝向方面的变化使得姿态估计成为一项极具挑战性的任务。为规避此问题，我们构建了一个忽略姿态的形状签名，并将其输入到序列学习框架中。姿态签名表示通过两步过程完成。首先，我们使用对称空间变换网络（STN）提取高质量的人体目标候选框，并基于CNN的并行单人姿态估计器（SPPE）来表示舞蹈视频第一帧中的人物姿态。接着，通过在连续姿态间分配相似度得分并进行非极大抑制，将姿态基转换为姿态流。我们没有向序列学习器输入简单的关节链（这通常阻碍网络性能），而是构建了由归一化距离向量、流、锚点关节间夹角组成的特征向量，以捕获骨骼模式中的邻接配置。因此，跨帧的人体关节间运动学关系借助姿态估计更好地建立了时空依赖。我们在ICD数据集上对所提出的基于最先进深度网络的舞蹈分类方法进行了详尽的实证评估。
引用
@article{arxiv.1812.05231,
title = {Nrityantar: Pose oblivious Indian classical dance sequence classification system},
author = {Vinay Kaushik and Prerana Mukherjee and Brejesh Lall},
journal= {arXiv preprint arXiv:1812.05231},
year = {2018}
}
备注
Eleventh Indian Conference on Computer Vision, Graphics and Image Processing 2018