利用压缩域中残差动态累积加速动作识别
计算机视觉与模式识别
2022-09-30 v1
摘要
随着摄像头的广泛安装，基于视频的监控方法因辅助生活等不同目的而受到相当关注。时间冗余和原始视频的庞大尺寸是与视频处理算法相关的两个最常见问题。现有方法大多侧重于通过探索连续帧来提高精度，这费时费力且无法用于实时应用。由于视频多以压缩格式存储和传输，这类视频在许多设备上均可获得。压缩视频包含大量有益信息，如运动矢量和量化系数。合理利用这些可用信息可大幅提升视频理解方法的性能。本文提出一种直接使用压缩视频中可用残差数据的方法，该数据可通过轻量级部分解码过程获得。此外，提出了一种累积相似残差的方法，可大幅减少动作识别所处理的帧数。仅在压缩域中对累积残差应用神经网络可加速性能，同时分类结果与原始视频方法极具竞争力。
引用
@article{arxiv.2209.14757,
title = {Speeding Up Action Recognition Using Dynamic Accumulation of Residuals in Compressed Domain},
author = {Ali Abdari and Pouria Amirjan and Azadeh Mansouri},
journal= {arXiv preprint arXiv:2209.14757},
year = {2022}
}