面向骨架数据高性能人体动作识别的视角自适应循环神经网络
计算机视觉与模式识别
2017-08-07 v2
摘要
由于三维骨架数据的普及，基于骨架的人体动作识别近来受到越来越多的关注。一个主要挑战在于所捕获人体动作存在较大的视角变化。我们提出了一种新颖的视角自适应方案，可在动作发生过程中自动调节观测视角。我们没有基于人为定义的先验准则重新定位骨架，而是设计了一个采用 LSTM 架构的视角自适应循环神经网络（RNN），使网络本身能够端到端地自适应最合适的观测视角。大量实验分析表明，所提出的视角自适应 RNN 模型致力于：（1）将不同视角的骨架变换到更为一致的观测视角；（2）保持动作的连续性，而非将每一帧变换到具有相同身体朝向的同一位置。我们的模型在三个基准数据集上均显著优于现有最先进方法。
引用
@article{arxiv.1703.08274,
title = {View Adaptive Recurrent Neural Networks for High Performance Human Action Recognition from Skeleton Data},
author = {Pengfei Zhang and Cuiling Lan and Junliang Xing and Wenjun Zeng and Jianru Xue and Nanning Zheng},
journal= {arXiv preprint arXiv:1703.08274},
year = {2017}
}
备注
ICCV2017