具有灵活间隔采样与归一化的时空人体动作识别模型
计算机视觉与模式识别
2021-08-13 v1
摘要
人体动作识别是一项著名的计算机视觉与模式识别任务，用于辨识人实际正在做的动作。提取具有动作序列空间与时序特征的单人体关键点信息对完成该任务至关重要。本文提出一种面向红-绿-蓝（RGB）输入视频、带有自主设计模块的人体动作系统。基于用于时空特征提取的高效门控循环单元（GRU），我们增添另一采样模块与归一化模块以提升模型识别人体动作的性能。此外，我们构建了一个具有相似背景与可区分动作的新数据集，用于人体关键点预测与行为识别。为获得更好结果，我们用新数据集重新训练姿态模型以提升性能。实验结果表明所提模型在自有人体行为识别数据集及部分公开数据集上的有效性。
引用
@article{arxiv.2108.05633,
title = {Spatio-Temporal Human Action Recognition Modelwith Flexible-interval Sampling and Normalization},
author = {Yuke and Yang},
journal= {arXiv preprint arXiv:2108.05633},
year = {2021}
}