基于局部聚合运动学引导骨架元与有监督分析哈希模型的实时人体动作识别
计算机视觉与模式识别
2021-09-08 v2
摘要
3D动作识别是指对由3D骨架关节组成的动作序列进行分类。尽管许多研究工作致力于3D动作识别，它主要面临三个问题：高度复杂的关节运动、大量噪声以及较低的实现效率。为解决所有这些问题，我们提出了一种实时3D动作识别框架，将局部聚合运动学引导骨架元（LAKS）与有监督分析哈希（SHA）模型相集成。我们首先将骨架元定义为依据运动学原理分组的若干关节偏移组合，随后使用LAKS表示动作序列，其包含去噪阶段和局部聚合阶段。去噪阶段检测噪声动作数据并通过用对应前一帧的特征替换其中的所有特征来修正，而局部聚合阶段对该序列所有偏移特征上骨架元的偏移特征与其聚类中心之差求和。最后，SHA模型将稀疏表示与哈希模型结合，旨在提升识别准确率的同时保持高效率。在MSRAction3D、UTKinectAction3D和Florence3DAction数据集上的实验结果表明，所提方法在识别准确率和实现效率上均优于最先进的方法。
引用
@article{arxiv.2105.11312,
title = {Real-time Human Action Recognition Using Locally Aggregated Kinematic-Guided Skeletonlet and Supervised Hashing-by-Analysis Model},
author = {Bin Sun and Shaofan Wang and Dehui Kong and Lichun Wang and Baocai Yin},
journal= {arXiv preprint arXiv:2105.11312},
year = {2021}
}
备注
Accepted by IEEE Transactions on Cybernetics; 13 pages