基于视频的姿态估计数据作为人类活动识别中迁移学习的源数据
计算机视觉与模式识别
2022-12-05 v1
摘要
使用穿戴式设备的人类活动识别（HAR）可在无约束环境中识别特定人类动作。由于人体运动的类间和类内差异，HAR 具有挑战性；此外，来自穿戴式设备的标注数据集十分稀缺。该问题主要源于数据创建的困难，即录制、昂贵的标注以及缺乏人类活动的标准定义。先前工作表明迁移学习是解决数据稀缺场景的良好策略。然而，标注穿戴式设备数据集的稀缺性依然存在。本文提出使用面向人体姿态估计的数据集作为迁移学习的源数据；具体而言，它部署来自视频数据集的标注人体关节像素坐标序列用于 HAR 和人体姿态估计。我们在四个基于视频的基准源数据集上预训练一个深度架构。最后，在三个穿戴式设备数据集上进行了评估，提升了 HAR 性能。
引用
@article{arxiv.2212.01353,
title = {Video-based Pose-Estimation Data as Source for Transfer Learning in Human Activity Recognition},
author = {Shrutarv Awasthi and Fernando Moya Rueda and Gernot A. Fink},
journal= {arXiv preprint arXiv:2212.01353},
year = {2022}
}
备注
Accepted for ICPR 2022