La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

View Invariant Human Action Recognition Based on Factorization and HMMs Afficher la reconnaissance invariante de l'action humaine basée sur la factorisation et les HMM

Xi LI, Kazuhiro FUKUI

  • Vues en texte intégral

    0

  • Citer

Résumé:

Cet article aborde le problème de la reconnaissance d'actions invariantes en utilisant des trajectoires 2D de points de repère sur le corps humain. Il s'agit d'une tâche difficile car pour une catégorie d'action spécifique, les observations 2D de différentes instances peuvent être extrêmement différentes en raison des différences de point de vue et des changements de vitesse. En supposant que l'exécution d'une action peut être approchée par une combinaison linéaire dynamique d'un ensemble de formes de base, une nouvelle méthode de reconnaissance d'action humaine invariante de vue est proposée, basée sur la factorisation matricielle non rigide et les modèles de Markov cachés (HMM). Nous montrons que les faibles coefficients de poids dimensionnel des formes de base par factorisation non rigide de matrice de mesure contiennent les informations clés pour la reconnaissance des actions, quel que soit le changement de point de vue. Sur la base des caractéristiques discriminantes extraites, le HMM est utilisé pour la modélisation dynamique temporelle et la classification robuste des actions. La méthode proposée est testée en utilisant des séquences réelles et des performances prometteuses sont obtenues.

Publication
IEICE TRANSACTIONS on Information Vol.E91-D No.7 pp.1848-1854
Date de publication
2008/07/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1093/ietisy/e91-d.7.1848
Type de manuscrit
Special Section PAPER (Special Section on Machine Vision and its Applications)
Catégories

Auteurs

Mots-clés

Table des matières