用于人类动作分类的时空共现特征表征
计算机视觉与模式识别
2016-10-18 v1
摘要
人类动作分类是一个被广泛研究的课题，但仍是一个未决问题。许多最先进的方法涉及使用带有时空局部特征的视频词袋来构建人类动作的特征表征。为了超越这一标准方法，我们研究了局部特征之间共现关系的使用。我们提出利用共现信息来表征人类动作。使用一个权衡因子来定义词汇量大小与分类率之间的最佳权衡。接下来，应用时空共现技术来提取标记局部特征之间的共现信息。随后构建了新型的人类动作特征表征，包括矢量量化相关图元素向量、高判别力的 PCA（主成分分析）共现向量和 Haralick 纹理向量。利用多核 SVM（支持向量机）进行分类。在评估中，使用了著名的 KTH 数据集以及具有挑战性的 UCF-Sports 动作数据集。我们获得了最先进的分类性能。我们还证明了我们能够充分利用共现信息，并改进了标准的视频词袋方法。
引用
@article{arxiv.1610.05174,
title = {Spatio-temporal Co-Occurrence Characterizations for Human Action Classification},
author = {Aznul Qalid Md Sabri and Jacques Boonaert and Erma Rahayu Mohd Faizal Abdullah and Ali Mohammed Mansoor},
journal= {arXiv preprint arXiv:1610.05174},
year = {2016}
}