Jul, 2023

计算机视觉中的群体活动识别：综述，挑战和未来展望

PDF
TL;DR在计算机视觉领域，团体活动识别是一个热门话题。通过对团体关系进行活动识别，在视频分析、监控、自动驾驶和理解社交活动等各种场景中具有实际意义。本文综述了团体活动识别技术的现有研究进展，重点关注全局交互性和活动。首先，全面回顾了相关文献和各种团体活动识别方法，从传统方法到基于空间结构、描述符、非深度学习、分层循环神经网络（HRNN）、关系模型和注意机制的最新方法。其次，针对每个模块提出了关系网络和关系架构。第三，调查了团体活动识别的方法，并将其性能与最先进的技术进行了比较。总结了现有的挑战，并为新手提供了全面的指导，以便理解团体活动识别。此外，还回顾了团体活动识别中的新视角，探索了新的方向和可能性。
group activity recognitiongroup relationshipsspatiotemporal featureshierarchical recurrent neural networksattention mechanisms
发现论文，激发创造
  • 无检测器弱监督群体活动识别

    本研究提出了一种新的基于 Transformer 模型的团队活动识别方法，该方法借助注意机制对部分环节进行定位与编码，再对其进行聚合以反映整个活动的完整背景和每个环节的时间演化，无需借助较强的监督方法，在两个基准测试中均表现良好。

    Apr, 2022

  • 群体活动识别的深度结构模型

    本文提出了一种基于深度神经网络和分层图模型的个人和群体活动监测方案，使用深度网络识别场景中个人的动作，并通过考虑类别间的依赖关系使用神经网络分层图模型完善每个类别的预测标签，该方法能有效改善基准测试方法的识别率。

    Jun, 2015

  • 基于 Actor-Transformers 的群体活动识别

    本文提出一种基于 actor-transformer model 认知视频中的个人行为和组群活动的模型，并通过 2D 姿态网络和 3D CNN 等方式提供丰富的个人动态和静态信息表示，从而在公开数据集上取得了显著的效果。

    Mar, 2020

  • 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

  • 使用 Transformer 挖掘线索进行社交群体活动识别

    本论文提出了一种基于注意力模块和 transformers 模型的社交群组活动识别新框架，该方法在 Volleyball 和 Collective Activity 数据集上表现优于现有技术。

    Jul, 2022

  • 分层深度时间模型用于群体活动识别

    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

  • 卷积关系机器用于群体活动识别

    本文提出了一个称作 Convolutional Relational Machine（CRM）的深度卷积神经网络模型，用于识别图像或视频中的团体活动。该模型利用个体之间的空间关系来产生中间的活动表征，经过多阶段逐步修正，在最后的聚合模块中使用修正后的信息来识别团体活动，并展示了其在 Volleyball 和 Collective Activity 数据集上比现有模型具有的优势。

    Apr, 2019

  • 视频监控中，具有不同团队成员数量的团队事件检测

    本文介绍了一种自动识别视频监控中群组活动的新方法，提出使用群体代表来处理识别，使用异步隐马尔可夫模型来建模人际关系，并提出了一种既能处理对称性又能处理非对称性群组活动的算法，证明了该方法能够检测人与人之间的分层互动关系，实验结果表明了方法的有效性。

    Feb, 2015

  • 在视频中联合学习社交群体、个体动作和子群体活动

    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

  • 利用活动专属特征和活动相关性进行多标签活动识别

    介绍一种多标签活动识别的方法，它可以为每个活动提取独立的特征描述符并学习活动之间的相关性，可使现有的视频分类网络结构更好地应用于多标签活动，经实验表现优于其他方法，并在 Charades 数据集中展示了活动特定的特征。

    Sep, 2020