ReHAR：鲁棒且高效的人体活动识别
计算机视觉与模式识别
2018-02-28 v1
摘要
设计一种能够在预测单人活动与群体活动中均取得良好性能的 scheme 是一项具有挑战性的任务。本文提出一种新颖的鲁棒且高效的人体活动识别方案 ReHAR，可用于处理单人活动与群体活动的预测。首先，我们为每帧视频生成光流图像。然后，将视频帧及其对应的光流图像输入单帧表示模型以生成表示。最后，使用 LSTM 基于生成的表示预测最终活动。整个模型以端到端方式训练，以生成对最终活动识别有意义的表示。我们使用两个知名数据集评估 ReHAR：NCAA 篮球数据集与 UCFSports 动作数据集。实验结果表明，相较于最先进的方法，所提出的 ReHAR 以少一个数量级的计算时间取得了更高的活动识别准确率。
引用
@article{arxiv.1802.09745,
title = {ReHAR: Robust and Efficient Human Activity Recognition},
author = {Xin Li and Mooi Choo Chuah},
journal= {arXiv preprint arXiv:1802.09745},
year = {2018}
}
备注
Accepted by WACV 2018