文献

J-GLOBAL ID：202102228656423524   整理番号：21A1072902

深さセンサを用いたハイブリッド記述子と最大エントロピーMarkovモデルによる人間相互作用の自動認識【JST・京大機械翻訳】

Automatic Recognition of Human Interaction via Hybrid Descriptors and Maximum Entropy Markov Model Using Depth Sensors

著者 (3件)： Jalal Ahmad (Department of Computer Science, Air University, Islamabad 44000, Pakistan) ,  Khalid Nida (Department of Computer Science, Air University, Islamabad 44000, Pakistan) ,  Kim Kibum (Department of Human-Computer Interaction, Hanyang University, Ansan 15588, Korea)
資料名： Entropy (Web)  (Entropy (Web))
巻： 22  号： 8  ページ： 817  発行年： 2020年 
JST資料番号： U7179A  ISSN： 1099-4300  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 人間のインタラクションの自動同定は,特にビデオシーケンスからのクラッタ背景を持つ動的環境において,挑戦的なタスクである。コンピュータビジョンセンサ技術の進歩は日常生活中のヒト相互作用認識(HIR)に強力な影響を与える。本論文では,多重ビジョンセンサによるHIRに対するロバストエントロピー最適化と効率的な最大エントロピーMarkovモデル(MEMM)を組み込んだ新しい特徴抽出法を提案した。提案方法の主な目的は,以下の通りである。(1)4つの新規特徴,すなわち時空間特徴,エネルギーベース特徴,形状ベース角度および幾何学的特徴,および配向勾配(MO-HOG)の運動直交ヒストグラムのハイブリッドを提案する。(2)コードブック,Gauss混合モデル(GMM),および漁師符号化を用いてハイブリッド特徴記述子を符号化する。(3)交差エントロピー最適化関数を用いて符号化特徴を最適化する。(4)MEMM分類アルゴリズムを適用して,経験的期待値と最高エントロピーを調べ,パターン分散を測定し,HIR精度結果を達成した。このシステムを3つのよく知られたデータセット,すなわちSBU Kinect相互作用;UoL3D社会活動;UT相互作用データセット。広い実験を通して,交差エントロピー最適化と共に提案した特徴抽出アルゴリズムは,SBUで91.25%,UoLで90.4%,UT相互作用データセットで87.4%の平均精度率を達成した。提案したHIRシステムは,公共位置監視,将来の医療応用,バーチャルリアリティ,適応運動,および3Dインタラクティブゲームのような多様なマンマシンインタフェイスに適用可能である。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *エントロピー ,  最適化 ,  *相互作用 ,  特徴抽出 ,  ヒト ,  多重化 ,  クラッタ ,  コンピュータビジョン ,  三次元 ,  マンマシンインタフェイス ,  バーチャルリアリティ
準シソーラス用語： *Markovモデル ,  *自動認識 ,  *最大エントロピー , 【Automatic Indexing@JST】

著者キーワード (4件)： クロスエントロピー ,  深さセンサ ,  Gauss混合モデル ,  最大エントロピーMarkovモデル

分類 (1件)： パターン認識  (JE07000S)

引用文献 (90件)：

• Li, J.; Tian, L.; Wang, H.; An, Y.; Wang, K.; Yu, L. Segmentation and Recognition of Basic and Transitional Activities for Continuous Physical Human Activity. IEEE Access 2019, 7, 42565-42576.
• Jalal, A.; Kamal, S.; Kim, D. A Depth Video Sensor-Based Life-Logging Human Activity Recognition System for Elderly Care in Smart Indoor Environments. Sensors 2014, 14, 11735-11759.
• Ajmal, M.; Ahmad, F.; Naseer, M.; Jamjoom, M. Recognizing Human Activities from Video Using Weakly Supervised Contextual Features. IEEE Access 2019, 7, 98420-98435.
• Susan, S.; Agrawal, P.; Mittal, M.; Bansal, S. New shape descriptor in the context of edge continuity. CAAI Trans. Intell. Technol. 2019, 4, 101-109.
• Shokri, M.; Tavakoli, K. A review on the artificial neural network approach to analysis and prediction of seismic damage in infrastructure. Int. J. Hydromechatron. 2019, 4, 178-196.

タイトルに関連する用語 (6件)： 記述子 ,  最大エントロピー ,  Markovモデル ,  人間 ,  相互作用 ,  自動認識