从人体姿态与物体线索同时学习用于实时活动识别
计算机视觉与模式识别
2020-04-08 v1 机器人学
摘要
实时人体活动识别在现实世界中以人为中心的机器人应用中发挥着重要作用，例如辅助生活和人机协作。尽管以往基于骨骼数据编码人体姿态的方法在实时活动识别上展现出良好前景，但它们缺乏考虑场景中物体及人体所用物体所提供的上下文的能力，而此类上下文可进一步区分人体活动类别。本文提出一种新颖的实时人体活动识别方法，通过同时从人体姿态及人体活动中所涉物体的观测中学习。我们将人体活动识别表述为统一数学框架下的联合优化问题，使用类回归损失函数整合人体姿态与物体线索，并定义结构化稀疏诱导范数以识别具有判别性的身体关节与物体属性。为评估我们的方法，我们在两个基准数据集及家庭辅助场景中的物理机器人上进行了大量实验。实验结果表明，我们的方法优于以往方法，并以 10^4 Hz 的处理速度实现了实时人体活动识别。
引用
@article{arxiv.2004.03453,
title = {Simultaneous Learning from Human Pose and Object Cues for Real-Time Activity Recognition},
author = {Brian Reily and Qingzhao Zhu and Christopher Reardon and Hao Zhang},
journal= {arXiv preprint arXiv:2004.03453},
year = {2020}
}
备注
Accepted to International Conference on Robotics and Automation (ICRA) 2020, IEEE copyright