Resumen

Proponemos un método de Codificación Espacio-Temporal Localmente Confinada a Múltiples Escalas (MLSC) para mejorar el algoritmo tradicional de bolsa de características (BoF), que ignora la relación espacio-temporal de las características locales para el reconocimiento de acciones humanas en videos. Para modelar esta relación espacio-temporal, MLSC implica la posición espacio-temporal de la característica local en el procesamiento de codificación de características. Proyecta las características locales en un subespacio-tiempo-volumen (sub-STV) y las codifica con una codificación lineal localmente restringida. Un grupo de características sub-STV obtenidas de un video con MLSC y max-pooling se utilizan para clasificar este video. En la etapa de clasificación, se adopta la Representación Esparsa de Grupo Localmente Confinada (LGSR) para utilizar la información de grupo intrínseca de estas características sub-STV. Los resultados experimentales en los conjuntos de datos deportivos KTH, Weizmann y UCF muestran que nuestro método logra un mejor rendimiento que los métodos de reconocimiento de

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Propuesto; Multiscale; Restringido por la localidad; Codificación espacio-temporal; MLSC; Reconocimiento de acciones humanas
• Keywords:Proposed; Multiscale; Locality-constrained; Spatiotemporal coding; MLSC; Human action recognition