A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Deep State-Space Model for Noise Tolerant Skeleton-Based Action Recognition Modelo de espaço de estado profundo para reconhecimento de ação baseada em esqueleto tolerante a ruído

Kazuki KAWAMURA, Takashi MATSUBARA, Kuniaki UEHARA

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

O reconhecimento de ação usando dados de esqueleto (coordenadas 3D de articulações humanas) é um tópico atraente devido à sua robustez à aparência do ator, ao ponto de vista da câmera, à iluminação e a outras condições ambientais. No entanto, os dados do esqueleto devem ser medidos por um sensor de profundidade ou extraídos de dados de vídeo usando um algoritmo de estimativa, e isso corre o risco de erros de extração e ruído. Neste trabalho, para reconhecimento robusto de ações baseado em esqueleto, propomos um modelo de espaço de estado profundo (DSSM). O DSSM é um modelo generativo profundo da dinâmica subjacente de uma sequência observável. Aplicamos o DSSM proposto aos dados do esqueleto, e os resultados demonstram que ele melhora o desempenho de classificação de um método de linha de base. Além disso, confirmamos que a extração de características com o DSSM proposto torna as classificações subsequentes robustas ao ruído e aos valores faltantes. Em tais ambientes experimentais, o DSSM proposto supera um método de última geração.

Publicação
IEICE TRANSACTIONS on Information Vol.E103-D No.6 pp.1217-1225
Data de publicação
2020/06/01
Publicitada
2020/03/18
ISSN online
1745-1361
DOI
10.1587/transinf.2019MVP0012
Tipo de Manuscrito
Special Section PAPER (Special Section on Machine Vision and its Applications)
Categoria

autores

Kazuki KAWAMURA
  Kobe University
Takashi MATSUBARA
  Kobe University
Kuniaki UEHARA
  Kobe University

Palavra-chave