Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Competitive Combat Strategy and Tactics in RTS Games AI and StarCraft Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Improved Key Poses Model for Skeleton-Based Action Recognition

verfasst von : Xiaoqiang Li, Yi Zhang, Junhui Zhang

Erschienen in: Advances in Multimedia Information Processing – PCM 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

With the development of Kinect sensor, action recognition based on human skeleton becomes a prosperous research field. In this paper, an improved method is proposed to select a few inconsecutive, discriminative and ordinal frames (named Improved Key Poses) to represent a human skeleton action. The main contributions of the proposed method are summarized as follow. First, a novel Key Poses Mining method is presented to keep time order of each frame in action video. Second, we selected a new feature which could reflect the micro-motion of specific actions and increase the recognition accuracy. The proposed method is evaluated on three benchmark datasets: MSR Action3D dataset, UTKinect Action dataset and Florence 3D Action dataset. The experiment results show that the proposed approach outperforms than some state-of-the-art methods.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Hierarchical Tree Representation Based Face Clustering for Video Retrieval
Nächstes Kapitel Pic2Geom: A Fast Rendering Algorithm for Low-Poly Geometric Art
Literatur
1.
Aggarwal, J.K., Ryoo, M.S.: Human activity analysis: a review. ACM Comput. Surv. 43(3), 16 (2011)CrossRef
2.
Batabyal, T., Chattopadhyay, T., Mukherjee, D.P.: Action recognition using joint coordinates of 3d skeleton data. In: 2015 IEEE International Conference on Image Processing (ICIP), pp. 4107–4111. IEEE (2015)
3.
Boulahia, S.Y., Anquetil, E., Kulpa, R., Multon, F.: HIF3D: handwriting-inspired features for 3d skeleton-based action recognition. In: 23rd International Conference on Pattern Recognition (ICPR 2016) (2016)
4.
Devanne, M., Wannous, H., Berretti, S., Pala, P., Daoudi, M., Del, B.A.: 3-d human action recognition by shape analysis of motion trajectories on Riemannian manifold. IEEE Trans. Cybern. 45(7), 1340–1352 (2014)CrossRef
5.
Du, Y., Fu, Y., Wang, L.: Representation learning of temporal dynamics for skeleton based action recognition. IEEE Trans. Image Process. 25(7), 1–1 (2016)MathSciNetCrossRef
6.
Felzenszwalb, P.F., Girshick, R.B., McAllester, D., Ramanan, D.: Object detection with discriminatively trained part-based models. IEEE Trans. Pattern Anal. Mach. Intell. 32(9), 1627–1645 (2010)CrossRef
7.
Li, W., Zhang, Z., Liu, Z.: Action recognition based on a bag of 3d points. In: Computer Vision and Pattern Recognition Workshops, pp. 9–14 (2010)
8.
Li, X., Liao, D., Zhang, Y.: Mining key skeleton poses with latent SVM for action recognition. Appl. Comput. Intell. Soft Comput. (2017)
9.
10.
Mahasseni, B., Todorovic, S.: Regularizing long short term memory with 3d human-skeleton sequences for action recognition. In: IEEE Conference on Computer Vision and Pattern Recognition, pp. 3054–3062 (2016)
11.
Müller, M., Röder, T.: Motion templates for automatic classification and retrieval of motion capture data. In: ACM Siggraph/Eurographics Symposium on Computer Animation, SCA 2006, Vienna, Austria, pp. 137–146, September 2006
12.
Ofli, F., Chaudhry, R., Kurillo, G., Vidal, R., Bajcsy, R.: Sequence of the most informative joints (SMIJ): a new representation for human skeletal action recognition. J. Vis. Commun. Image Represent. 25(1), 24–38 (2014)CrossRef
13.
Pazhoumand-Dar, H., Lam, C.P., Masek, M.: Joint movement similarities for robust 3d action recognition using skeletal data. J. Vis. Commun. Image Represent. 30, 10–21 (2015)CrossRef
14.
Seidenari, L., Varano, V., Berretti, S., Bimbo, A., Pala, P.: Recognizing actions from depth cameras as weakly aligned multi-part bag-of-poses. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, pp. 479–485 (2013)
15.
Vemulapalli, R., Arrate, F., Chellappa, R.: Human action recognition by representing 3d skeletons as points in a lie group. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 588–595 (2014)
16.
Wang, J., Liu, Z., Wu, Y., Yuan, J.: Learning actionlet ensemble for 3d human action recognition. IEEE Trans. Pattern Anal. Mach. Intell. 36(5), 914–927 (2014)CrossRef
17.
Xia, L., Chen, C.C., Aggarwal, J.: View invariant human action recognition using histograms of 3d joints. In: 2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), pp. 20–27. IEEE (2012)
18.
Youssef, C., et al.: Spatiotemporal representation of 3d skeleton joints-based action recognition using modified spherical harmonics. Pattern Recogn. Lett. 83, 32–41 (2016)CrossRef
19.
Zhou, Y., Ming, A.: Human action recognition with skeleton induced discriminative approximate rigid part model. Pattern Recogn. Lett. 83, 261–267 (2016)CrossRef
Metadaten
Titel
Improved Key Poses Model for Skeleton-Based Action Recognition
verfasst von
Xiaoqiang Li
Yi Zhang
Junhui Zhang
Copyright-Jahr
2018
Buch
Advances in Multimedia Information Processing – PCM 2017

Print ISBN: 978-3-319-77382-7

Electronic ISBN: 978-3-319-77383-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-77383-4_35

Neuer Inhalt

    Bildnachweise