SkeleMotion：一种基于运动信息的骨架关节序列新表示用于三维动作识别
计算机视觉与模式识别
2019-07-31 v1 机器学习
图像与视频处理
摘要
由于大规模骨架数据集的可用性，三维人体动作识别近来引起了计算机视觉界的关注。许多工作致力于将骨架数据编码为基于骨架关节空间结构的骨架图像表示，其中序列的时间动态被编码为矩阵的列变化，每帧的空间结构表示为矩阵的行。为了进一步改进此类表示，我们引入了一种新颖的骨架图像表示，用作卷积神经网络（CNNs）的输入，名为SkeleMotion。所提方法通过显式计算骨架关节的幅值与方向值来编码时间动态。采用不同的时间尺度计算运动值，以向表示中聚合更多时间动态，使其能捕捉动作中涉及的长程关节交互并过滤噪声运动值。实验结果证明了所提表示在三维动作识别上的有效性，在NTU RGB+D 120数据集上优于当前最优方法。
引用
@article{arxiv.1907.13025,
title = {SkeleMotion: A New Representation of Skeleton Joint Sequences Based on Motion Information for 3D Action Recognition},
author = {Carlos Caetano and Jessica Sena and François Brémond and Jefersson A. dos Santos and William Robson Schwartz},
journal= {arXiv preprint arXiv:1907.13025},
year = {2019}
}
备注
16-th IEEE International Conference on Advanced Video and Signal-based Surveillance (AVSS2019)