基于卷积神经网络的骨架动作识别
计算机视觉与模式识别
2017-05-03 v1
摘要
当前基于骨架的动作识别的最先进方法大多基于循环神经网络(RNN)。本文中，我们提出一种新颖的基于卷积神经网络(CNN)的框架，用于动作分类与检测。原始骨架坐标以及骨架运动被直接输入CNN以进行标签预测。设计了一种新颖的骨架变换器模块来自动重排和选择重要骨架关节。通过一个简单的7层网络，我们在NTU RGB+D数据集的验证集上获得了89.3%的准确率。对于未修剪视频中的动作检测，我们开发了窗口提议网络来提取时间片段提议，并在同一网络内进一步分类。在最近的PKU-MMD数据集上，我们实现了93.7%的mAP，大幅超越了基线。
引用
@article{arxiv.1704.07595,
title = {Skeleton-based Action Recognition with Convolutional Neural Networks},
author = {Chao Li and Qiaoyong Zhong and Di Xie and Shiliang Pu},
journal= {arXiv preprint arXiv:1704.07595},
year = {2017}
}
备注
ICMEW 2017