基于腕戴式相机的日常活动识别
计算机视觉与模式识别
2016-04-29 v2
摘要
我们提出了一个新颖的数据集和一种新颖的算法，用于从第一人称可穿戴相机识别日常活动（ADL）。手持物体对于以自我为中心的 ADL 识别至关重要。为了专门考察与用户动作相关的物体（而非环境中其他物体），许多先前工作致力于从头戴式和胸戴式相机捕获的图像中检测手持物体。然而，检测手持物体并非总是容易，因为它们在图像中往往显得很小，且可能被用户身体遮挡。正如本文所述，我们将相机安装在用户手腕上。腕戴式相机可以大尺度捕获手持物体，从而使我们能够跳过物体检测过程。为了比较腕戴式相机与头戴式相机，我们还开发了一个新颖且公开可用的数据集，包含由两种相机同时捕获的日常活动视频与标注。此外，我们提出了一种判别性视频表示，其在通过卷积神经网络（CNN）提取帧描述子并进行编码后保留空间与时间信息。
引用
@article{arxiv.1511.06783,
title = {Recognizing Activities of Daily Living with a Wrist-mounted Camera},
author = {Katsunori Ohnishi and Atsushi Kanehira and Asako Kanezaki and Tatsuya Harada},
journal= {arXiv preprint arXiv:1511.06783},
year = {2016}
}
备注
CVPR2016 spotlight presentation