文献

J-GLOBAL ID：201702273751340446   整理番号：17A0472956

特徴に基づく高密度サンプリングによる行動認識【Powered by NICT】

Action recognition by saliency-based dense sampling

著者 (11件)： Xu Zengmin (State Key Laboratory of Software Engineering, Wuhan University, Wuhan 430072, China) ,  Xu Zengmin (National Engineering Research Center for Multimedia Software, School of Computer, Wuhan University, Wuhan 430072, China) ,  Xu Zengmin (Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University, Wuhan 430072, China) ,  Hu Ruimin (State Key Laboratory of Software Engineering, Wuhan University, Wuhan 430072, China) ,  Hu Ruimin (National Engineering Research Center for Multimedia Software, School of Computer, Wuhan University, Wuhan 430072, China) ,  Chen Jun (National Engineering Research Center for Multimedia Software, School of Computer, Wuhan University, Wuhan 430072, China) ,  Chen Jun (School of Mathematics and Computing Science, Guangxi Colleges and Universities Key Laboratory of Data Analysis and Computation, Guilin University of Electronic Technology, Guilin 541004, China) ,  Chen Chen (Center for Research in Computer Vision, University of Central Florida, Orlando, FL 32816, USA) ,  Chen Huafeng (National Engineering Research Center for Multimedia Software, School of Computer, Wuhan University, Wuhan 430072, China) ,  Li Hongyang (National Engineering Research Center for Multimedia Software, School of Computer, Wuhan University, Wuhan 430072, China) ,  Sun Qingquan (School of Computer Science and Engineering, California State University San Bernardino, San Bernardino, CA 92407, USA)
資料名： Neurocomputing  (Neurocomputing)
巻： 236  ページ： 82-92  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： 観測からの行動を自動的に分類する目的,行動認識は,コンピュータビジョンの分野で多くの注目を集めている。最先端技術による行動認識法は特徴表現を構築するための高密度サンプリング軌跡を利用した。しかし,その性能は,実世界応用における活動領域クラッタとカメラ運動により制限されている。シナリオは,異なる背景でどのように変化するかも,作用の顕著な手がかりは,それらの外観と運動に強く依存する。この発見に基づいて,本論文では,顕著領域に基づくコントラスト境界(iDT RCB)への改良された高密度軌道(iDT)と呼ばれる新しい特徴ベース高密度サンプリング戦略を提案した。外部ヒト検出器なしでは,ロバストなマスクを作用シーケンス中の全球規模対照ベースの顕著性の限界を克服するために発生させた。ワープされたオプティカルフローは微妙な運動を除去するために関心点サンプリングを調整するために利用した。特徴点の適切なせん定はサンプリングされた点の顕著性と密度との間の良好なバランスを達成することができることを示した。三つのベンチマークデータセット上での実験を行い,提案した方法の有効性を実証した。より具体的には,深い学習特徴と手作りの特徴の融合は,ベースライン高密度サンプリングの方法より認識性能を向上させることができる。特に,融合方式はHollywood2とUCF50に73.8%と94.8%で最先端の精度を達成した。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： コントラスト ,  オプティカルフロー ,  軌跡 ,  基準線 ,  ヒト ,  *コンピュータビジョン ,  クラッタ ,  畳込み ,  ロバスト性
準シソーラス用語： 特徴点 ,  関心領域 ,  特徴表現 ,  最先端技術 ,  *行動認識 ,  *高密度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 領域ベースコントラスト境界 ,  ワープ流評価 ,  ロバスト顕著なマスク ,  軌道プールされた深い畳込み記述子(TDD)

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： サンプリング ,  行動認識