您当前所在位置: 首页 > 首发论文
筛选条件

时间

领域

全部

计算机科学技术(14)

信息科学与系统科学(1)

心理学(1) 显示更多>>

电子、通信与自动控制技术(1) 中医学与中药学(0) 临床医学(0) 交通运输工程(0) 体育科学(0) 农学(0) 冶金工程技术(0) 力学(0) 动力与电气工程(0) 化学(0) 化学工程(0) 图书馆、情报与文献学(0) 土木建筑工程(0) 地球科学(0) 基础医学(0) 天文学(0) 安全科学技术(0) 工程与技术科学基础学科(0) 教育学(0) 数学(0) 机械工程(0) 材料科学(0) 林学(0) 核科学技术(0) 水产学(0) 水利工程(0) 测绘科学技术(0) 物理学(0) 环境科学技术(0) 生物学(0) 畜牧科学、动物医学(0) 矿山工程技术(0) 管理学(0) 纺织科学技术(0) 经济学(0) 能源科学技术(0) 航空航天科学技术(0) 药学(0) 预防医学与卫生学(0) 食品科学技术(0)

学术评议

实时热搜榜

我的筛选 >
2003-2020 全部
为您找到包含“Action recognition”的内容共17

夏利民,黄金霞,罗大庸

2013-03-11

提出一种基于主题模型的人体动作识别方法。该方法首先提取时空兴趣点(STIP,space-time interest point)来描述人体运动,然后提出一种时间-梯度直方图(简称T-HOG)算法,该算法对空间梯度直方图(HOG,Histogram of oriented Gradients)仅能描述STIP 3D区域立方体空间信息的不足进行了弥补,实现对STIP 3D区域立方体时间方向变化信息的量化表示,最后使用概率潜在语义分析 (pLSA, probabilistic Latent Semantic Analysis) 模型识别人体动作。同时,针对pLSA隐性主题正确性无法保证的缺点,算法将主题与动作标签"一对一"相关,通过监督方式得到主题,保证了训练中主题的正确性。该算法在KTH人体运动数据库和Weizmann人体动作数据库进行了训练与测试,动作识别结果正确率在91.50%以上。

国家教育部博士点基金项目(20090162110057

中南大学 信息科学与工程学院,湖南长沙 410075,中南大学 信息科学与工程学院,湖南长沙 410075,中南大学 信息科学与工程学院,湖南长沙 410075

#计算机科学技术#

0评论(0 分享(0)

王丽岩,李安民,王洪彪

2015-11-23

目的:与乒乓球新手相比,乒乓球专家在动作识别时展现了高超的识别能力,但我们对于乒乓球专家产生这种识别差异的神经心理机制了解甚少。15名乒乓球专家和乒乓球新手参加了乒乓球发球动作的识别任务。利用功能性磁共振成像对大脑活动进行记录。我们发现乒乓球运动员在动作识别时左侧中央前回、左侧额上回,双侧额中回,左侧中央后回,左侧舌回和双侧海马旁回的激活大约乒乓球新手,而乒乓球新手在左侧颞上回、双侧颞中回和左侧颞下回,左侧梭状回和左侧的缘上回的激活大于乒乓球运动员。因此我们认为动作识别过程中专家与新手的差异是由于这种不同的脑区激活特征导致。

教育部博士基金(20113156110002

沈阳体育学院体育社会科学研究中心,沈阳 110102,上海体育学院运动科学学院,上海 200438,沈阳体育学院体育社会科学研究中心,沈阳 110102

#心理学#

0评论(0 分享(0)

林闯,谢东亮

2018-12-26

本文从视频行为识别模型实用性和识别性能综合考虑,研究设计了一种端到端的深度行为识别模型,能够实现在原始视频上进行为识别,不需要预先对视频进行手工特征的提取。本文利用预先训练好的二维卷积核延拓生成三维卷积核并在此基础上设计了基于三维卷积的提取网络实现局部时空特征提取。在此基础上,本文创新性的将自注意力机制与时空特征提取网络相结合,使得仅具有局部感知能力的特征序列在进行自注意力机制处理后能够自动将相关特征关联起来,从而获得更好的视频全局表征来进行后续的行为识别。同时,本文使用的模型不依赖任何循环神经网络,通过在公开数据集上的实验验证,本文所提出的深度视频行为识别模型具有很好的识别性能和处理速度。?????

Institute of Network Technology,Beijing University of Posts and Telecommunications,BeiJing,100876,Institute of Network Technology,Beijing University of Posts and Telecommunications,BeiJing,100876

#计算机科学技术#

0评论(0 分享(1)

CHEN Yan-Ru, PAN Hua-Wei

Skeleton-based human action recognition has a broad range of applications in human-computer

2019-04-24

College of Information Science and Engineering, Hunan University, Changsha 410000 , College of Information Science and Engineering, Hunan University, Changsha 410000

#Computer Science and Technology#

0评论(0 分享(0)

王鑫,沃波海,管秋,陈良秀,陈胜勇

2014-06-23

本文在传统的词袋模型基础上,综合考虑姿态之间的时序约束关系,提出了一类基于局部匹配窗口的动作识别方法。本文参考背景相减技术,用人体的姿态差别特征作为人体运动特征描述。本文所提的方法在传统的词袋模型基础上对模型学习、特征量化、对象描述等多方面进行了改进。在模型学习阶段,本文用局部训练法取代了传统的整体训练法,提高了特征词汇的表征性。在特征量化阶段,本文用自适应的局部线性重构取代了传统的直接量化。在对象描述阶段,本文分别采用了时间金字塔、滑动窗口两种片段划分策略,将整个动作序列划分成多个动作片段,并在相应的局部窗口内计算对应的特征表达。通过连接各个局部特征表达组成整个动作序列的描述。最后在动作匹配过程中,本文采用直方图相交操作衡量两个动作序列的相似度。本文在MSR Action3D数据库上测试了所提算法的性能并对比了目前已有的动作识别方法,结果表明本文的识别效果优于以往方法。

国家自然科学基金(61303142,61173096,61103140

浙江省自然科学基金项目(Y1110882,Y1110688,R1110679

教育部高等学校博士学科点专项科研基金(20113317110001

浙江工业大学计算机科学与技术学院 杭州 310023 ;浙江省可视媒体智能处理技术研究重点实验室 杭州 310023,浙江工业大学计算机科学与技术学院 杭州 310023;浙江省可视媒体智能处理技术研究重点实验室 杭州 310023,浙江工业大学计算机科学与技术学院 杭州 310023;浙江省可视媒体智能处理技术研究重点实验室 杭州 310023,浙江工业大学计算机科学与技术学院 杭州 310023;浙江省可视媒体智能处理技术研究重点实验室 杭州 310023,浙江工业大学计算机科学与技术学院 杭州 310023;浙江省可视媒体智能处理技术研究重点实验室 杭州 310023

#计算机科学技术#

0评论(0 分享(0)

刘海军,程建,屈航

2012-06-21

人体动作序列的变化性特别强,难以找到普适的特征进行描述。本文以人体动作剪影图像序列作为输入,运用主成分分析(PCA)对数据进行预处理,并采用局部保持投影(LPP)方法从高维动作序列数据中获取动作的低维流形嵌入;然后为了充分利用动作姿态之间的时序关系,采用几种隐马尔科夫模型(HMM)实现动作识别;最后讨论了几种模型对动作识别结果的影响。实验结果表明,本文采取的方法取得了较好的识别结果,验证了本方法对动作识别的有效性。

教育部高等学校博士学科点专项科研基金(20100185120021

电子科技大学中央高校基本科研业务费项目(No.ZYGX2009X003)

电子科技大学青年科技基金重点项目(JX0804)

电子科技大学电子工程学院,四川 成都 611731,电子科技大学电子工程学院,四川 成都 611731,电子科技大学电子工程学院,四川 成都 611731

#计算机科学技术#

0评论(0 分享(0)

Guanghua Tan,Rui Miao

Recently, deep convolutional neural networks have made great breakthroughs in the field of action recognition. Since sequential video frames have a lot of redundant information, compared with dense sampling, sparse sampling network can also achieve good results. Due to sparse sampling\'s limitation of access to information, this paper mainly discusses how to further improve the learning ability of the model based on sparse sampling. We proposed a model based on divide-and-conquer, which use a threshold α to determine whether action data require sparse sampling or dense local sampling for learning. Finally, our approach obtains the state-the-of-art performance on the datasets of HMDB51 (72.4%) and UCF101 (95.3%).

2019-04-25

Natural Science Foundation of Hunan Province (2018JJ3074

Hunan University,College of Computer Science and Electronic Enginee,Changsha 410000,Hunan University,College of Computer Science and Electronic Enginee,Changsha 410000

#Computer Science and Technology#

0评论(0 分享(0)

杨旻,盖程鹏

2019-11-26

对于仅有动作标签而缺少标签时序位置信息的视频进行弱监督学习是一项极具挑战的任务。为了进一步提高动作识别和定位的准确率,本文基于I3D网络,提出一类弱监督下的自步学习方法,在训练过程中通过计算每个视频的分类成绩和分割成绩,选择最可靠的简单样本组成简单类子集,进行多轮改进性的训练。在Thumos14数据集上,与多个已有方法的比对结果体现了新方法的优越性。

国家自然科学基金(11771257

山东省自然科学基金(ZR2018MA008

School of Mathematics and Information Sciences,Yantai University,Yantai 264005,School of Mathematics and Information Sciences,Yantai University,Yantai 264005

#计算机科学技术#

0评论(0 分享(0)

廖星权,夏亚松,石纯山,张帆

2013-07-19

虚拟现实技术为基于三维的产品展示提供了全新的人机交互方式。为提高虚拟三维展示系统的人机交互性,使用Kinect传感器获取场景三维景深图和人体骨骼图。把语音识别领域中的经典动态时间归整(Dynamic Time Warping,DTW)算法应用到Kinect动作识别中。通过Kinect获取人手相应动作点三维坐标,并取一段时间窗内动作点数组与模板库中样本比对,计算最短路径;再经过识别系统与专家知识进行匹配,识别动作。通过实际展示系统验证了算法的有效性。

空军94669部队指挥自动化站,安徽 芜湖 241007,空军94669部队通信科,武汉理工大学信息工程学院,空军94669部队指挥自动化站

#信息科学与系统科学#

0评论(0 分享(0)

ZHANG Hongbo,LI Shaozi,SU Songzhi

verify that the proposed method is more accurate than existing action recognition methods.paper.

2012-11-05

the Shenzhen Science and Technology Research Foundation(No. JC200903180630A and ZYB200907110169A

the National Nature Science Foundation of China(No. 61202143

the Doctoral Program Foundation of Institutions of Higher Education of China (No. 20090121110032

School of Information Science and Technology, Xiamen University, FuJian XiaMen 361005, Fujian Key Laboratory of the Brain-like Intelligent Systems (Xiamen University), Xiamen, China, 361005,School of Information Science and Technology, Xiamen University, China, 361005

#Computer Science and Technology#

0评论(0 分享(0)