多视角下的交互行为识别（英文）

本文提出了一种基于局部自相似描述符和图共享多任务学习的多视角交互行为识别方法。首先,提出了一种复合交互特征表示方法,该方法对兴趣点局部运动的空间分布及其上下文进行编码。其次,为了减小观测角度变化对识别的影响并保留时序信息,用时间金字塔词袋模型对局部自相似描述符进行表示。为了从不同的视角探索不同交互行为之间的潜在关联,并保留每种交互行为的特定信息,采用图共享多任务学习学习相应的交互行为识别模型。结果表明,该方法在CASIA、i3Dpose公共数据集和自建交互行为识别数据库上相比其他方法识别率更高。

多视角下的交互行为识别

提出一种基于局部自相似描述符和图集鲁棒性多任务学习的多视图交互行为识别方法。首先,提出了一种组合交互特征表示方法,它既编码了兴趣点局部运动的空间分布,又编码了上下文信息。此外,采用时间金字塔词袋模型描述自相似矩阵的局部特征,减小了观测角度变化对识别的影响,保留了时间信息。为了探索不同交互行为与不同视图之间的潜在相关性,采用图集鲁棒性多任务学习函数学习对应的交互行为识别模型。实验结果表明,该方法在公共数据库CASIA上与其他先进方法相比在交互行为识别中具有良好的识别效果。