用于人体动作识别与姿态评估的时空金字塔图卷积
计算机视觉与模式识别
2019-12-10 v1 机器学习
摘要
识别人体动作及与物体和环境的相关交互是计算机视觉中的一个重要问题，因其在多个领域的潜在应用。最通用的方法能泛化至各种环境并处理杂乱背景、遮挡和视角变化。其中，基于图卷积网络从骨架提取特征的方法已展现出有前景的性能。本文提出一种新颖的时空金字塔图卷积网络（ST-PGN）用于人机工效风险评估的在线动作识别，其能利用骨架特征层次所有层级的特征。所提算法在两个通常用于姿态评估的公开基准数据集（TUM 和 UW-IOM）上优于现有最优动作识别算法。我们还引入一种用在线动作识别技术增强姿态评估方法的流程。最后，将所提算法与传统工效风险指数（REBA）结合，以展示其在职业安全中肌肉骨骼疾病评估的潜在价值。
引用
@article{arxiv.1912.03442,
title = {Spatio-Temporal Pyramid Graph Convolutions for Human Action Recognition and Postural Assessment},
author = {Behnoosh Parsa and Athma Narayanan and Behzad Dariush},
journal= {arXiv preprint arXiv:1912.03442},
year = {2019}
}