基于部件的图卷积网络用于动作识别
计算机视觉与模式识别
2018-09-14 v1 人工智能
摘要
人类动作由关节化身体部件或“手势”的联合运动组成。人体骨架直观上可表示为以关节为节点、其自然连接为边的稀疏图。图卷积网络已被用于从骨架视频中识别动作。受可变形基于部件模型(DPMs)启发,我们为此任务引入了基于部件的图卷积网络(PB-GCN)。我们将骨架图划分为四个子图,关节在它们之间共享,并使用基于部件的图卷积网络学习识别模型。我们表明,与使用完整骨架图的模型相比,此类模型提升了识别性能。我们进一步表明,不使用 3D 关节坐标作为节点特征,而使用相对坐标与时间位移可提升性能。我们的模型在 NTURGB+D 与 HDM05 两个具有挑战性的骨架动作识别基准数据集上达到了最先进的性能。
引用
@article{arxiv.1809.04983,
title = {Part-based Graph Convolutional Network for Action Recognition},
author = {Kalpit Thakkar and P J Narayanan},
journal= {arXiv preprint arXiv:1809.04983},
year = {2018}
}
备注
Main: 13 pages, 3 figures, 2 tables. Supplementary: 5 pages, 3 figures, 1 table. Accepted at BMVC 2018