迈向自我中心视角下的人体重识别与社会模式分析
计算机视觉与模式识别
2019-05-13 v1
摘要
可穿戴相机捕捉相机佩戴者日常活动的第一人称视角，提供了用户行为的视觉日记。检测相机用户所交互人物的出现以进行社交互动分析具有极高价值。一般而言，社交事件、生活方式与健康高度相关，但缺乏监测和剖析它们的工具。我们认为自我中心视觉提供了一种获取信息并理解用户社交互动的工具。我们提出一种模型，能够通过分析自我中心照片流中的社交互动外观来评估并可视化社交特征。给定自我中心图像集合，我们检测相机佩戴者日常中人脸的出现，并依赖聚类算法对其特征描述子进行分组以实现人物重识别。照片流中检测到的人脸的重复性使我们能够勾勒出用户社交行为模式的轮廓。我们在多名相机佩戴者记录的数周数据上验证了我们的模型。我们的发现表明，社交画像对于社交行为解读具有潜在用途。
引用
@article{arxiv.1905.04073,
title = {Towards Egocentric Person Re-identification and Social Pattern Analysis},
author = {Estefania Talavera and Alexandre Cola and Nicolai Petkov and Petia Radeva},
journal= {arXiv preprint arXiv:1905.04073},
year = {2019}
}