用于三维动作识别的 Roweisposes（含特征姿态、监督特征姿态与 Fisherposes）
计算机视觉与模式识别
2020-06-30 v1 机器学习
机器学习
摘要
人体动作识别是计算机视觉与机器学习的重要领域之一。尽管已提出多种三维动作识别方法，其中一些为基础方法，一些使用深度学习，但人们仍感到需要基于广义特征值问题的动作识别基础方法。之所以特别感到这一需求，是因为在人脸识别领域存在类似的基础方法，如特征脸与 Fisherfaces。本文中，我们提出使用 Roweis 判别分析进行广义子空间学习的 Roweisposes。该方法以 Fisherposes、特征姿态（eigenposes）、监督特征姿态（supervised eigenposes）和双重监督特征姿态（double supervised eigenposes）为其特例。Roweisposes 是一族无限多的动作识别方法，其学习一个判别子空间以嵌入身体姿态。在 TST、UTKinect 和 UCFKinect 数据集上的实验验证了所提方法对动作识别的有效性。
引用
@article{arxiv.2006.15736,
title = {Roweisposes, Including Eigenposes, Supervised Eigenposes, and Fisherposes, for 3D Action Recognition},
author = {Benyamin Ghojogh and Fakhri Karray and Mark Crowley},
journal= {arXiv preprint arXiv:2006.15736},
year = {2020}
}
备注
key-words: Roweisposes, Roweis discriminant analysis, Fisherposes, eigenposes, supervised eigenposes, action recognition