基于深度运动轨迹信息的人体动作描述算法 |
| |
引用本文: | 章国泰,高赞,张桦,薛彦兵,徐光平.基于深度运动轨迹信息的人体动作描述算法[J].光电子.激光,2017,28(1):100-107. |
| |
作者姓名: | 章国泰 高赞 张桦 薛彦兵 徐光平 |
| |
作者单位: | 天津理工大学 计算机视觉与系统教育部重点实验室 天津 300384 ;天津理工大学 天津市智能计算及软件新技术重点实验室 天津 300384;天津理工大学 计算机视觉与系统教育部重点实验室 天津 300384 ;天津理工大学 天津市智能计算及软件新技术重点实验室 天津 300384;天津理工大学 计算机视觉与系统教育部重点实验室 天津 300384 ;天津理工大学 天津市智能计算及软件新技术重点实验室 天津 300384;天津理工大学 计算机视觉与系统教育部重点实验室 天津 300384 ;天津理工大学 天津市智能计算及软件新技术重点实验室 天津 300384;天津理工大学 计算机视觉与系统教育部重点实验室 天津 300384 ;天津理工大学 天津市智能计算及软件新技术重点实验室 天津 300384 |
| |
基金项目: | 国家自然科学基金(61572357,8)、天津市应用基础与前沿技术研究计划(14JCZDJC31700)和天津市自然科学基金(13JCQNJC0040)资助项目 (1.天津理工大学 计算机视觉与系统教育部重点实验室 天津 300384; 2.天津理工大学 天津市智能计算及软件新技术重点实验室 天津 300384) |
| |
摘 要: | 受到dense轨迹特征的启发,本文提出了基于深度运动轨迹信息的动作描述算法, 首先,利用稠密光流场对L帧深度视频提取稠密(dense)兴趣点并 形成稠密轨迹,其次,利用轨迹前后兴趣 点的深度信息计算深度变化值,并将它加入到稠密轨迹和HOG描述算子的计算中;再次,在 整个数据集上, 计算所有动作的平均深度变化值并利用它判断每类动作的深度信息变化情况;最后,根据深 度信息变化剧 烈程度选择不同的码书,对视频样本进行投影并分类。在两个公开深度动作数据集DHA -17和UTkinect 上进行了实验,实验结果表明基于深度运动轨迹信息的动作描述算法具有较好的区分性和鲁 棒性,其性能与一些先进的且具有代表性的算法具有可比性。
|
关 键 词: | 深度数据 稠密时空兴趣点 深度运动轨迹 人体动作描述 轨迹跟踪 |
收稿时间: | 2016/1/27 0:00:00 |
|
| 点击此处可从《光电子.激光》浏览原始摘要信息 |
|
点击此处可从《光电子.激光》下载全文 |
|