文献

J-GLOBAL ID：201702210247904877   整理番号：17A0406548

時間重み付き一般化時間ワーピングを用いた人間活動予測【Powered by NICT】

Human activity prediction using temporally-weighted generalized time warping

著者 (5件)： Wang Haoran (College of Information Science and Engineering, Northeastern University, Shenyang 110819, China) ,  Yang Wankou (School of Automation, Southeast University, Nanjing 210096, China) ,  Yuan Chunfeng (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China) ,  Ling Haibin (Department of Computer and Information Sciences, Temple University, Philadelphia, PA 19122, USA) ,  Hu Weiming (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 225  ページ： 139-147  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 伝統的なヒト活動認識とは異なり,人間活動予測は未完成活性を認識し,典型的に明確な時間的進行状態の非存在下ですることを目的とした。本論文では,最近提案された一般化時間ワーピング(GTW),二あるいはそれ以上の多次元時系列の効率的で柔軟なアラインメントを可能にすることを拡張した新しい人間活動予測手法を提案した。より具体的には,各活動ビデオ,完全または不完全のどちらかのための,最初の短いビデオセグメントの配列に分解した。,古典的bag-of-visual-wordsモデルを用いた局所空間-時間統計による各セグメントを表している。このようにして,問い合わせ配列(すなわち,不完全活性を含む)と参照配列(すなわち,完全な活性を含む)間の比較は,それらの対応するセグメント配列の整列の問題に帰着する。GTWは等しく重要である配列の異なる部分を扱うが,不完全活性ビデオは常に完全初頭から整列のでここでは初期部分に有利である。このように動機づけられて,活性配列の初期部分における整列を促進することで活性予測問題のための時間的加重GTW(TGTW)アルゴリズムを開発した。TGTWから誘導した類似性は,活性クラス入力系列を予測するためのk-最近傍アルゴリズムと組み合わせた。提案アプローチは最先端レベル手法と比較していくつかの公開利用可能データセット上で評価した。実験結果と解析から,提案した方法の有効性を明確に示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 情報公開 ,  アラインメント ,  ヒト ,  予測技法 ,  類似性 ,  *録画装置 ,  高次元 ,  アルゴリズム
準シソーラス用語： 加重 ,  行動認識 ,  *人間活動 , 【Automatic Indexing@JST】

著者キーワード (3件)： 活性予測 ,  時間ワーピング ,  アラインメント

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 一般化 ,  ワーピング ,  人間活動 ,  予測