Action Recognition by Multiple Features and Hyper-sphere Multi-class SVM

基于多特征和超球面多类支持向量机的行为识别

原文链接

链接：https://pan.baidu.com/s/1RZp75P76OxwklvGb6rKm0A
提取码：mzc4

摘要

在本文中，我们提出了一种新颖的行为识别框架，该框架基于多种特征来改善视频中的行为识别。多个特征的融合对于识别动作很重要，因为引用单个特征来表示行为通常不足以捕获成像的变化（视角，光照等）和个人属性（大小，年龄，性别等）。因此，我们使用两种特征：i）局部时空特征（ST）（Cuboid和二维SIFT）的量化词汇表，以及ii）兴趣点的高阶统计模型，旨在捕获行为主体的全局信息。我们根据本地时空特征和全局特征构造视频表示，并将此类表示与超球面多类SVM集成在一起。在公开数据集上进行的实验表明，我们提出的方法是有效的。另一方面也表明，与使用单个特征相比，同时使用局部和全局特征可以更丰富地表示人类的行为。

相关知识

1. Cuboid特征提取
   博客链接