| 宋健明,张桦,高赞,张燕,薛彦兵,徐光平.基于多时空特征的人体动作识别算法[J].光电子激光,2014,(10):2009~2017 |
| 基于多时空特征的人体动作识别算法 |
| Human action recognition based on multi-spatio-temporal features |
| 投稿时间：2014-05-02 |
| DOI： |
| 中文关键词: 多时空兴趣点 支持向量机(SVM) 动作识别 STIP MoSIFT |
| 英文关键词:multi-spatio-temporal features support vector machine (SVM) acti on recognition space-time interest point (STIP) MOSIFT |
| 基金项目:国家自然科学基金(61202168,61201234)、天津市应用基础与前沿技术计术研究计划(14JCZ DJC31700)、天津市自然科学基金(13JCQNJC0040)和天津市教育委员会科学技术发展基金(20120802)资助项目 (天津理工大学 计算机视觉与系统省部共建教育部重点实验室,天津市智能计算及软件新技 术重点实验室,天津 300384) |
| 作者 | 单位 | | 宋健明 | 天津理工大学 计算机视觉与系统省部共建教育部重点实验室,天津市智能计算及软件新技 术重点实验室,天津 300384 | | 张桦 | 天津理工大学 计算机视觉与系统省部共建教育部重点实验室,天津市智能计算及软件新技 术重点实验室,天津 300384 | | 高赞 | 天津理工大学 计算机视觉与系统省部共建教育部重点实验室,天津市智能计算及软件新技 术重点实验室,天津 300384 | | 张燕 | 天津理工大学 计算机视觉与系统省部共建教育部重点实验室,天津市智能计算及软件新技 术重点实验室,天津 300384 | | 薛彦兵 | 天津理工大学 计算机视觉与系统省部共建教育部重点实验室,天津市智能计算及软件新技 术重点实验室,天津 300384 | | 徐光平 | 天津理工大学 计算机视觉与系统省部共建教育部重点实验室,天津市智能计算及软件新技 术重点实验室,天津 300384 |
|
| 摘要点击次数: 1989 |
| 全文下载次数: 93 |
| 中文摘要: |
| 针对基于单时空特征的人体动作识算法的不足,提 出了一种基于多时空特征的人体动 作识别算法。通过在KTH与YouTube action公共动作数据集上的实验表明,本文提出的多时空特征的动作识别算法在较小码书的 情况下,具有 较好的区分性、鲁棒性以及实时性,且比一些且具有代表性的算法性能更好。 |
| 英文摘要: |
| Human action recognition is a hot research topic in video surveillance and human-computer interaction.In the past decades,human recognition algorithms based on single s patio-temporal feature have made great progress,and achieved good results.However,due to different spatio-tem poral features have different characteristics and focus themselves,it is difficult for only one feature to completely describe human action.At the same time,when spatio-temporal interest points are projected into codebook ,the codebook size is relatively large to achieve better performance,which hinders its practical application.Th erefore,in order to solve the problem,human action recognition based on multi-spatio-temporal features is p roposed,which can represent human action well and improve its reality.Large scale experiments on two public and challenging action recognition datasets - KTH and YouTube action datasets show that the proposed m ulti-spatio-temporal features using small size codebook have strong robustness,distinction and stability,who se performance is comparable to the state of the art algorithms. |
| 查看全文 下载PDF阅读器 |
| 关闭 |
|
|
|
|
|