通过采样局部表观与全局分布实现的鲁棒三维动作识别
计算机视觉与模式识别
2017-12-08 v2
摘要
三维动作识别在人机交互与智能监控中有广泛应用。然而,识别相似动作仍具挑战性,因为既往文献未能从含噪深度数据中有效捕获运动与形状线索。本文提出一种新颖的两层视觉词袋(BoVW)模型,其抑制噪声干扰并联合编码运动与形状线索。首先,通过专为深度数据设计的背景建模方法去除背景杂波。随后,联合利用运动与形状线索生成鲁棒且具判别性的时空兴趣点(STIPs):基于运动的STIPs与基于形状的STIPs。在模型第一层,提出多尺度三维局部转向核(M3DLSK)描述子以描述运动STIPs周围立方体块的局部表观。在第二层,提出时空向量(STV)描述子以描述形状STIPs的时空分布。借助视觉词袋(BoVW)模型,运动与形状线索被组合形成融合的动作表征。与常见STIP检测与描述方法相比,我们的模型表现更优。充分实验验证了我们的模型在区分相似动作以及对背景杂波、部分遮挡和椒盐噪声具有鲁棒性方面是有效的。
引用
@article{arxiv.1712.01090,
title = {Robust 3D Action Recognition through Sampling Local Appearances and Global Distributions},
author = {Mengyuan Liu and Hong Liu and Chen Chen},
journal= {arXiv preprint arXiv:1712.01090},
year = {2017}
}