穿戴式视频中第一人称活动的半监督识别
图像与视频处理
2019-04-22 v1 机器学习
摘要
穿戴式相机现在常用于记录日常生活、运动和执法活动，产生了大量存档 footage。本文研究了根据相机佩戴者的活动对 footage 帧进行分类的问题，重点应用于真实世界的警察穿戴式视频。真实世界数据集与现有的以自我为中心的视觉数据集带来不同的挑战：不同活动的 footage 数量不平衡，数据包含个人身份信息，并且实践中难以为监督方法提供大量训练 footage。我们通过仅基于运动信息提取特征，然后使用半监督分类算法对视频 footage 进行分割来解决这些挑战。在公开可用数据集上，我们的方法使用一小部分训练数据取得了与监督和/或深度学习方法相当甚至更好的结果。它在真实世界的警察穿戴式视频上也显示出有前景的结果。
引用
@article{arxiv.1904.09062,
title = {Semi-Supervised First-Person Activity Recognition in Body-Worn Video},
author = {Honglin Chen and Hao Li and Alexander Song and Matt Haberland and Osman Akar and Adam Dhillon and Tiankuang Zhou and Andrea L. Bertozzi and P. Jeffrey Brantingham},
journal= {arXiv preprint arXiv:1904.09062},
year = {2019}
}