Resumen

La visión por computadora se utiliza ampliamente en la fabricación, el deporte, el diagnóstico médico y otros campos. En este artículo, se propone un método de expresión de acción de error de fusión de características múltiples basado en la silueta y la información de flujo óptico para superar las deficiencias en la efectividad de un método de expresión de acción de error único basado en la fusión de características para el reconocimiento de acciones de error corporal humano. Analizamos y discutimos el método de reconocimiento de acción de error humano basado en la idea de coincidencia de plantillas para analizar los problemas clave que afectan la expresión general de las secuencias de acciones de error, y luego proponemos un modelo de energía de movimiento basado en la descomposición directa de la energía de movimiento de los videoclips de acciones de error humano en el espacio de secuencia de acción 3D a través del grupo de filtros. El método puede evitar operaciones de preprocesamiento como la localización y segmentación de objetivos; luego, utilizamos características MET y las combinamos con SVM para

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Visión por computadora; Fabricación; Deportes; Diagnóstico médico; Método de expresión de acción de error de fusión de múltiples características; Silueta; Información de flujo óptico; Reconocimiento de acción de error corporal humano; Coincidencia de plantillas; Modelo de energía de movimiento; Descomposición de energía de movimiento; Videoclips; Espacio de secuencia de acción 3 Deron; Grupo de filtros; Características MET; SVM; Reducción de características; Métodos de clasificación; Escenas dinámicas
• Keywords:Computer vision; Manufacturing; Sports; Medical diagnosis; Multifeature fusion error action expression method; Silhouette; Optical flow information; Human body error action recognition; Template matching; Motion energy model; Motion energy decomposition; Video clips; 3 Deron action sequence space; Filter group; MET features; SVM; Feature reduction; Classification methods; Dynamic scenes