MMApr, 2023

基于人类手动演示视频的自动交互和活动识别技术及其在异常检测中的应用

PDF
TL;DR本文提出一种基于场景图，利用图像序列提取关键交互特征并编码动作模式和上下文的方法，同时引入基于事件的自动视频分割和聚类，成功地实现了识别手 - 物体和物体 - 物体交互，并匹配不同受试者执行的同一活动。
发现论文，激发创造
  • 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

  • 人际交互检测

    该论文介绍了一种名为 HID 的新任务，旨在通过在同一模型中检测主体、识别人 - 人互动，并根据他们的互动关系对人进行分组，以此全面了解视频流中感兴趣的人 - 人互动，还在 AVA 数据集基础上建立了一个新的 HID 基准，称为 AVA-Interaction (AVA-I)，并描述了一个新的基线方法 SaMFormer，该方法表现出在 AVA-I 上的优越性。

    Jul, 2023

  • InterTracker: 发现和跟踪野外中与手交互的一般对象

    通过利用手物互动的时空信息，本研究提出了一种跟踪交互对象的方法，该方法采用了一种基于场景的自适应发现交互对象的空间关系，并利用对象外貌的一致性和连续性跟踪这些对象，研究结果表明该方法优于现有的方法，并能生成更连续的交互对象轨迹。

    Aug, 2023

  • 利用有限数据标注发现视频中的人类交互

    该研究提出了一种基于最大边际聚类和用户反馈的无监督学习方法，可以在仅有少量标注的情况下，有效地发现视频中的人类交互并生成有意义的语义聚类。

    Feb, 2015

  • 分析人际互动：一项调查

    本文综述了在视频中自动识别人际互动的主要挑战，研究现状，以及基于深度学习和卷积神经网络方面的最新、有前途的工作，最终概述了克服目前技术限制以分析和理解社会人类行为的方向。

    Jul, 2018

  • 时空动作图网络

    提出了一种基于解离图嵌入的物体相互作用图形表示，用于活动识别，该模型通过事实嵌入图结构来解开空间维度与时间变化之间的表示层次结构，并在 Charades 活动识别基准测试以及聚焦于与近碰撞事件的多物体交互的新数据集上进行了验证。

    Dec, 2018

  • 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

  • 视频中的对象级视觉推理

    本文讨论了利用深度学习模型进行人类活动识别研究中的挑战，并提出了一种基于对象感知网络的模型，以实现对视频中的语义意义的时空交互的推理，从而在三个不同的数据集上取得了最先进的结果。

    Jun, 2018

  • 使用解剖学特征和迭代学习进行自监督优化的手势估计方法

    研究报告提出了一种自我监督学习框架，结合手势估计和手势识别，用于解决手势识别在复杂场景中的困难，以提高手动组装场景下的活动识别的准确性和鲁棒性。

    Jul, 2023

  • 使用图形网络从双手人类演示中学习对象 - 动作关系

    本文研究了一种针对双手人体动作的按帧分类和分割系统，通过从机器人视角获取的 RGB-D 视频数据提取符号空间物体关系来建立基于图的场景表示，并使用帧级的真实标签训练图网络分类器来预测每只手执行的动作，实验表明，这种分类器能够在不需要先前的时间动作分割的情况下，可靠地识别每只手的真实执行动作。

    Aug, 2019