Resumen

El reconocimiento de acciones humanas basado en esqueletos 3D se ha convertido en un campo de investigación activo en los últimos años con los sensores de profundidad de mercancía recientemente desarrollados. La mayoría de los métodos publicados analizan datos de profundidad 3D completos, construyen representaciones de partes de nivel medio, o utilizan descriptores de trayectoria de puntos de interés espacio-temporales para reconocer actividades humanas. A diferencia de trabajos anteriores, en este artículo se propone una representación de acción novedosa y simple que modela la acción como una secuencia de poses de esqueleto inconsecuentes y discriminativas, llamadas poses clave de esqueleto. Las posiciones relativas en pares de las articulaciones del esqueleto se utilizan como característica de las poses del esqueleto que se extraen con la ayuda de la máquina de soporte vectorial latente (SVM latente). La ventaja de nuestro método es resistir la variación intraclase, como el ruido y la gran deformación temporal no lineal de la acción humana.

• Materias:Modelo Matemático Superálgebras Gráfico bipartito Números trapezoidales
• Subjects:Mathematical model Superalgebras Bipartite graph Trapezoidal numbers
• Palabras claves:Reconocimiento de acciones humanas; Esqueleto 3D; Sensores de profundidad; Poses clave del esqueleto; Svm latente; Variación intraclase
• Keywords:Human action recognition; 3d skeleton; Depth sensors; Key skeleton poses; Latent svm; Intraclass variation