Resumen

El reconocimiento de la acción humana en los vídeos es un tema de investigación activa en la visión por ordenador. Las características de trayectoria densa (DT) han demostrado ser eficaces para representar vídeos en los enfoques más avanzados. En este artículo, presentamos un enfoque más eficaz de representación de vídeos utilizando trayectorias densas salientes mejoradas: en primer lugar, se detecta la región saliente del movimiento y se extraen las trayectorias densas mediante el seguimiento de los puntos de interés en cada escala espacial por separado y, a continuación, se refinan las trayectorias densas mediante el análisis de la saliencia del movimiento. A continuación, calculamos varios descriptores (es decir, desplazamiento de la trayectoria, HOG, HOF y MBH) en el volumen espaciotemporal alineado con las trayectorias. Por último, para representar mejor los vídeos, optimizamos el marco de la bolsa de palabras de acuerdo con la distribución de la intensidad del movimiento y la idea de reconstrucción de coeficientes dispersos. Nuestra arquitectura se ha entrenado y evaluado en los cuatro conjuntos de datos de acciones de vídeo estándar de KTH, UCF sports, HMDB51 y UCF50, y los resultados experimentales muestran que nuestro enfoque tiene un rendimiento competitivo en comparación con los resultados del estado del arte.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:trayectoria densa, reconocimiento de la acción humana, conjuntos de datos de kth, marco de bolsa, región saliente de movimiento, acción de vídeo estándar, trayectoria densa saliente, enfoque de vídeo, distribución de intensidad saliente, reconstrucción de coeficiente disperso
• Keywords:dense trajectory, human action recognition, datasets of kth, framework of bag, motion salient region, standard video action, salient dense trajectory, approach of video, salient intensity distribution, sparse coefficient reconstruction