本文主要研究在无人机遥控操作下进行航拍,通过使用新的基于时空的模板和基于马尔科夫链蒙特卡罗和动态规划的联合推理方法,在具有挑战性的条件下成功地实现了人群事件的检测、识别和角色分配等任务。
May, 2015
通过LSTM模型构建2阶段深层次模型,从而更好地理解群体活动,利用这些动态实现群体活动识别,实验结果表明,该模型可以有效提高群体活动识别性能。
Nov, 2015
本文模拟了人类如何通过观察复杂动作序列来推断子目标,结合非参数贝叶斯模型进行了行为实验,证明了该模型在推断人类子目标方面的高准确性和较好的效果,同时还模拟了使用子目标学习和推断在人工用户辅助任务中如何提高性能。
Dec, 2015
本文针对视频序列中的团体活动行为分类问题,基于LSTM模型构建了一个2阶段的深度时间模型,同时考虑了个体和群体层面的动态信息,通过在排球视频数据集上的实验验证了该模型的有效性。
Jul, 2016
本篇研究提出了一种端到端的深度学习向量表示方法来进行群体活动分析,该方法可以编码个体动作和集体行为的空间时间依赖关系来识别个体事件并识别群体,此外本方法还可以应用于团队体育运动数据的事件分析和阵型分析中。
Jun, 2017
本文提出了一个端到端的可训练框架来解决人类活动理解中的社交任务。该框架同时分组人们,预测他们的个人行为和每个社交团体的社交活动,并提供了新的数据集注释。
Jul, 2020
本研究提出一种基于序列关系预测模型的组活动预测方法,该模型可以总结部分观测数据中的关系动态并逐步预测具有区分性信息的群体表示,通过两种图形自编码器预测活动特征和位置,并在实验中取得了显著的预测效果。
Aug, 2020
使用基于多尺度Transformer的COMPOSER模型,在仅使用关键点模式的情况下提高群体活动识别精度,并通过预测辅助和数据增强等技术进行模型训练。
Dec, 2021
我们提出了一种用于社交群体检测的简单高效的图形转换模块和图形聚类损失,能够在人群拥挤动态的情况下实现较高的表现。与先前基于视觉内容的方法相比,在保持准确性的同时,实现了高速的推理时间。该方法适用于实时的机器人应用。
Apr, 2023
使用基于Unity的数据生成器M3Act,进行多视角、多人、多群体的合成数据预训练,可在团体活动识别中提高5.59%和7.32%的精度及高达6.8%的模型收敛速度。同时用M3Act生成含有大规模数据的3d运动,建立提出了多项检测标准并提出了一个新的竞争基线。
Jun, 2023