• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Analysis and Machine Intelligence, IEEE Transactions on >Hidden Part Models for Human Action Recognition: Probabilistic versus Max Margin
【24h】

Hidden Part Models for Human Action Recognition: Probabilistic versus Max Margin

机译：人体动作识别的隐藏零件模型：概率与最大边距

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a discriminative part-based approach for human action recognition from video sequences using motion features. Our model is based on the recently proposed hidden conditional random field (HCRF) for object recognition. Similarly to HCRF for object recognition, we model a human action by a flexible constellation of parts conditioned on image observations. Differently from object recognition, our model combines both large-scale global features and local patch features to distinguish various actions. Our experimental results show that our model is comparable to other state-of-the-art approaches in action recognition. In particular, our experimental results demonstrate that combining large-scale global features and local patch features performs significantly better than directly applying HCRF on local patches alone. We also propose an alternative for learning the parameters of an HCRF model in a max-margin framework. We call this method the max-margin hidden conditional random field (MMHCRF). We demonstrate that MMHCRF outperforms HCRF in human action recognition. In addition, MMHCRF can handle a much broader range of complex hidden structures arising in various problems in computer vision.
机译：我们提出了一种基于区分性的基于部分的方法，用于从使用运动特征的视频序列中进行人类动作识别。我们的模型基于最近提出的用于对象识别的隐藏条件随机场（HCRF）。与用于对象识别的HCRF相似，我们通过以图像观察为条件的零件的灵活星座来模拟人类动作。与对象识别不同，我们的模型结合了大规模全局特征和局部补丁特征来区分各种动作。我们的实验结果表明，我们的模型与动作识别中的其他最新方法具有可比性。特别是，我们的实验结果表明，将大规模全局特征和局部补丁特征相结合的性能明显优于仅将HCRF直接应用于局部补丁。我们还提出了一种在最大利润率框架中学习HCRF模型参数的替代方法。我们将此方法称为最大边距隐藏条件随机字段（MMHCRF）。我们证明，在人类动作识别中，MMHCRF优于HCRF。此外，MMHCRF可以处理因计算机视觉中的各种问题而产生的范围更广的复杂隐藏结构。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号