教师博客
课题组在基于骨架序列的人体动作在线识别方面有新成果预印本发表
发布时间:2020-11-04

传统的人体动作在线识别多是离线的,即输入是已分割好的动作片段,而在线行为识别的动作开始和结束均是不确定的。本文提出了一种基于记忆组采样机制的在线行为识别方法,同时考虑相邻时刻运动信息,和长时运动信息,并给予不同采样权重。另外,本文提出了融合骨架关节高层几何结构特征和全局运动特征的动作描述方法。通过在公开数据集验证,实现了比算法较优的效果。论文线上预印本:

http://arxiv.org/abs/2011.00553
\\
arXiv:2011.00553
From: Guoliang Liu Prof. Dr. <liuguoliang@sdu.edu.cn>
Date: Sun, 1 Nov 2020 16:43:08 GMT   (487kb,D)
Date (revised v2): Tue, 3 Nov 2020 05:09:10 GMT   (564kb,D)

Title: Memory Group Sampling Based Online Action Recognition Using Kinetic
  Skeleton Features
Authors: Guoliang Liu, Qinghui Zhang, Yichao Cao, Junwei Li, Hao Wu and Guohui
  Tian
Categories: cs.CV cs.HC
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/\\
  Online action recognition is an important task for human centered intelligent
services, which is still difficult to achieve due to the varieties and
uncertainties of spatial and temporal scales of human actions. In this paper,
we propose two core ideas to handle the online action recognition problem.
First, we combine the spatial and temporal skeleton features to depict the
actions, which include not only the geometrical features, but also multi-scale
motion features, such that both the spatial and temporal information of the
action are covered. Second, we propose a memory group sampling method to
combine the previous action frames and current action frames, which is based on
the truth that the neighbouring frames are largely redundant, and the sampling
mechanism ensures that the long-term contextual information is also considered.
Finally, an improved 1D CNN network is employed for training and testing using
the features from sampled frames. The comparison results to the state of the
art methods using the public datasets show that the proposed method is fast and
efficient, and has competitive performance
\\


上一条:天车安全刹车距离预测方法不到1年即获得国家发明专利授权

下一条:课题组在IEEE/ASME AIM先进智能机电一体化国际会议上发表论文

版权所有   ©山东大学 地址:中国山东省济南市山大南路27号 邮编:250100 
查号台:(86)-0531-88395114
值班电话:(86)-0531-88364731 建设维护:山东大学信息化工作办公室   
技术支持qq群:820336447