Apr, 2016

隐私保护的极低分辨率人体活动识别

PDF
TL;DR本文提出一种基于逆超分辨率（ISR）的基础方法，使用极低分辨率（例如 16x12）的匿名视频进行人类活动识别，避免侵犯隐私，实现隐私保护和辅助日常生活的矛盾目标。
privacy protectioncomputer visionhuman activity recognitionlow-resolution videosinverse super resolution
发现论文，激发创造
  • 基于多分支孪生嵌入学习的极低分辨率活动识别

    本论文提出了一种从极低分辨率视频（如 16x12）中识别人类活动的方法，既能够分析偏远地区的活动，同时也能实现隐私保护识别。我们设计了一个新的两流多 - Siamese 卷积神经网络，能够显式捕捉低分辨率视频的内在特性。实验证明，我们的方法优于之前的低分辨率识别方法，并且在两个公开的标准数据集上具有显著的优势。

    Aug, 2017

  • 细微动作挑战赛的低分辨率动作识别

    本研究旨在解决 Tiny Actions Challenge 实际监控场景中人类活动识别的难题，包括距离影响和类别不平衡等方面，提出了一种综合解决方案。该方案主要引入数据平衡、双分辨率蒸馏框架和模型集成等方法，其中模型集成效果显著优于其他算法，取得领先成绩。

    Sep, 2022

  • TinyVIRAT: 低分辨率视频动作识别

    本研究介绍了一个新的数据集 TinyVIRAT，其中包含具有多个标签的低分辨率自然活动。为了识别这些 tiny actions in videos，我们提出了一种使用渐进生成方法来提高低分辨率动作质量的新方法。实验结果表明，在 TinyVIRAT 数据集上，我们的方法明显优于基线方法，并且在合成分辨率缩小的动作识别数据集上取得了 state-of-the-art 结果。

    Jul, 2020

  • 极低分辨率动作识别的全耦合双流时空网络

    本文提出了一种全耦合的两路时空结构体系框架，可在极低分辨率（如 12x16 像素）视频中可靠地识别人的动作，以保护人们的隐私，同时在训练期间考虑高分辨率视频以建立更好的低分辨率模型，取得了明显的改进。

    Jan, 2018

  • TinyAction 挑战：在视频中识别真实世界低分辨率活动

    本论文总结了 TinyAction 挑战赛，该挑战赛是在 CVPR 2021 的 ActivityNet 研讨会上组织的，重点是识别视频中存在的真实低分辨率活动。我们提出了一个基准数据集 TinyVIRAT-v2，它由自然发生的低分辨率活动组成，利用数据集进行了当前最先进的动作识别方法。

    Jul, 2021

  • 协作学习环境中的快速低参数视频活动定位

    本研究开发了一种低参数、模块化系统，具有快速推理能力，在有限数据集上完全可以进行训练，无需从大参数系统进行迁移学习。该系统能够准确检测并关联实际课堂视频中执行这些活动的学生，并开发了一个基于交互式 Web 应用程序来可视化长时间真实课堂视频中的人类活动地图。

    Mar, 2024

  • 低质量图像中的人脸识别：一项调查

    本文综述了过去五年中低分辨率人脸识别的各种方法及相关工作，涉及视频监控、超分辨率、去模糊等技术，并对数据集和实验设置进行了描述，最后总结了一般限制和未来努力的优先事项。

    May, 2018

  • 野外低分辨率人脸识别：比较和新技术

    本文分析在野外捕捉到的低质量条件下的人脸识别技术，提出了超分辨率方法、深度学习和有监督的判别学习方法来处理这个问题，并在 SCFace 和 UCCSface 数据集上进行了评估。

    May, 2018

  • 极低分辨率下行为识别的半耦合双流融合卷积神经网络

    本文提出了一种半耦合滤波器共享网络，通过在训练期间利用高分辨率视频来支持低分辨率视频的 ConvNet，同时研究了用于融合针对 eLR 视频定制的空间和时间 ConvNets 的方法，这种方法在 IXMAS（93.7％）和 HMDB（29.2％）数据集上优于现有技术。

    Oct, 2016

  • 利用类别组件与本地模型相结合的视频监控活动识别

    本文提出了一种用于视频监控应用的自动识别人类活动的方法，将活动表示为类别组件的组合，并且提出了一种 Confident-Frame-based Recognition 算法来提高识别精度，该算法将高置信度的视频帧用作专门的局部模型来帮助分类其余的视频帧，实验结果表明了该方法的有效性。

    Feb, 2015