文献

J-GLOBAL ID：201702245183410824   整理番号：17A1262543

テクスチャおよびマルチクラスブースティング分類器の3Dヒストグラムを用いた行動認識【Powered by NICT】

Action Recognition Using 3D Histograms of Texture and A Multi-Class Boosting Classifier

著者 (6件)： Zhang Baochang (Beihang University, Beijing, China) ,  Yang Yun (Beihang University, Beijing, China) ,  Chen Chen (Center for Research in Computer Vision, University of Central Florida, Orlando, FL, USA) ,  Yang Linlin (Beihang University, Beijing, China) ,  Han Jungong (School of Computing and Communications, Lancaster University, Lancaster, U.K.) ,  Shao Ling (School of Computing Sciences, University of East Anglia, Norwich, U.K.)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 10  ページ： 4648-4660  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人間の行動認識は,重要であるが困難な作業である。深さマップ列からの判別特徴を抽出するために集合組織の3Dヒストグラム(3DHoTs)と呼ばれる低コスト記述子を提示した。3DHoTsは三つの直交デカルト面,すなわち,前面,側面,及びトップ面への投影深さフレームから導出し,特異的作用,テクスチャ特徴は作用を表現するために計算したの顕著な情報を特性化コンパクト。この高速特徴記述子に加えて,新しいマルチクラスブースティング分類器(MBC)も行動分類のための統一的フレームワークの中で異なった種類の特性を有効に利用するために提案した。既存のブースティングフレームワークと比較して,目的関数,辺縁の平均を最大化するが,まだ縁辺の分散を最小化することにより良好なマージン分布を維持するのに役立つに新しい多クラス制約を追加した。MSRAction3D,MSRGesture3D,MSRActivity3D,UTD MHADデータセット上での実験を行い,3DHoTsとMBCを組み合わせた提案システムは,最新技術よりも優れていることを実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： キャラクタリゼーション ,  *ヒストグラム ,  高速度 ,  直交性 ,  *三次元 ,  目的関数 ,  集合組織
準シソーラス用語： 特徴記述子 ,  テクスチャ特徴 ,  *行動認識 ,  *テクスチャ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： テクスチャ ,  分類器 ,  3D ,  ヒストグラム ,  行動認識