Mar, 2013

用于行动和手势识别的时空协方差描述符

PDF
TL;DR提出了一种新的基于时空协方差描述符和加权黎曼局部保留投影的动作和手势识别方法，并利用加权投影在整合时空区域的同时进行提升以创建最终的多类分类算法。通过积分视频表示法快速计算描述符。在 UCF 体育、CK + 面部表情和剑桥手势数据集上的实验表明，所提出的方法与几种最新技术相比具有卓越的性能。该方法具有鲁棒性，不需要对视频进行额外的处理，如前景检测、兴趣点检测或跟踪。
action recognitiongesture recognitionspatio-temporal covariance descriptorsweighted riemannian locality preserving projectionmulticlass classification
发现论文，激发创造
  • 基于时空滤波的事件驱动行为识别

    本文提出了在事件域中进行时空过滤的方法，通过学习局部时空权重矩阵，增强卷积神经网络对动作识别的性能， 在 DVS Gesture 数据集和新录制的动作识别数据集上显著改善。

    Mar, 2019

  • 使用统计矩和子空间描述符进行自监督动作识别

    本研究提出利用自我监督学习来预测动作概念和辅助描述符，设计并幻化了两种描述符，分别利用图像和视频级别显著性检测器以及四种流行的目标检测器应用于训练视频。通过在中间描述符上捕获四个统计时刻，本文在 Charades 和 EPIC-Kitchens 等五个流行数据集上取得了最优结果。

    Jan, 2020

  • 基于时空多层感知器的手势识别

    提出了一种基于神经网络的新型手势识别架构，只需使用人体骨骼输入数据，即可实现最先进的效果，应用于自动驾驶中具有实时性能和稳定性。

    Apr, 2022

  • 视频动作识别的协作时空特征学习

    本文提出了一种新颖的神经操作，通过在三个正交视图上进行 2D 卷积，协同编码了时空特征，并通过权值共享来促进空间和时间特征的学习，此方法在大规模基准测试中取得了最优性能，并通过对不同视图学习的系数进行量化，探讨了空间和时间特征的贡献，以提高模型的解释性并指导视频识别算法的设计。

    Mar, 2019

  • 学习跟踪以进行时空动作定位

    这篇论文提出了一种有效的方法，通过联合静态和运动的 CNN 特征对视频进行帧级别的检测，并通过目标追踪、运动直方图和滑动窗口法实现了时空行为定位，其准确性比现有方法提高了 15％至 12％不等。

    Jun, 2015

  • 基于骨骼的动作识别的时空图卷积

    本文提出了一种称为 Spatio-Temporal Graph Convolution (STGC) 的方法，用于动作识别中的骨架，该方法组合了本地卷积过滤器的成功和自回归移动平均的序列学习能力，通过递归地进行多尺度局部图卷积过滤器构建。实验表明 STGC 模型的有效性和优于现有技术的改进。

    Feb, 2018

  • 基于 SPD 流形学习的神经网络用于基于骨架的手势识别

    该研究提出了一种基于 SPD 流形学习的神经网络，用于骨架手势识别，并在两个具有挑战性的数据集上实现最先进的准确性。

    Apr, 2019

  • 使用 3D 卷积神经网络学习时空特征，实现视频自动手术姿态识别

    采用三维卷积神经网络从连续视频帧中学习时空特征，实现视觉手术姿势识别，可用于手术技能评估、手术操作中的监控和手术任务的半自动化等多种应用。在针对 JIGSAWS 数据库中的机器人辅助缝合视频的测试中，通过对空间时间特征建模，该方法实现了高于 84% 的手术姿态识别准确性，是视频手术姿态识别的重要进展。

    Jul, 2019

  • 基于骨骼的动作识别的时空图卷积网络

    提出了一种基于空间 - 时间图卷积网络 (ST-GCN) 的骨架识别模型，该模型能够在不借助人工干预的情况下自动学习骨架在空间和时间上的表现，并且在动作识别以及泛化能力方面远优于之前的方法。

    Jan, 2018

  • 通过采样局部外观和全局分布实现强大的三维动作识别

    本文针对噪声深度数据难以捕捉运动和形状线索的现状，提出了一种新颖的两层 “视觉词袋”（BoVW）模型。该模型通过背景建模和引入运动和形状线索生成稳健和独特的时空兴趣点，利用多尺度 3D 局部方向核 (M3DLSK) 描述算法和空间 - 时间向量 (STV) 描述算法，提出融合运动和形状线索的行动表示。实验验证了该模型在识别类似动作和抵抗背景杂波、部分遮挡和掩蔽噪声等情况中的有效性。

    Dec, 2017