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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Survey on Cloud Computing Security Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Multiple Action Detection in Videos

verfasst von : M. N. Renuka Devi, Gowri Srinivasa

Erschienen in: Innovations in Computer Science and Engineering

Verlag: Springer Singapore

Einloggen

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

search-config
loading …

Abstract

In this work, we present the efficient detection of multiple actions occurring simultaneously in streaming video of various real-world applications using a frame differencing-based method for background detection. We compare our method with other modeling methods (such as multi-channel nonlinear SVM) for multiple action detection on various video datasets. We demonstrate through quantitative performance evaluation metrics such as performance accuracy, standard deviation and detection F-score, and the efficacy of the proposed method over those reported in the literature.

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 Study and Review of Learning Management System Software
Nächstes Kapitel AI-Assisted Diagnosis of Cerebral Oedema Using Convolutional Neural Networks
Literatur
1.
Escorcia V, Dao CD, Jain M, Ghanem B, Snoek C (2018) Guess where? Actor-supervision for spatiotemporal action localization. arXiv preprint arXiv:​1804.​01824
2.
Zhang M et al (2018) Recurrent attention network using spatial-temporal relations for action recognition. Signal Process 145:137–145CrossRef
3.
CAVIAR: “Context aware vision using image-based active recognition” funded by the EC’s Information Society Technology’s programmed project IST 2001 37540
4.
Weinland D, Ronfard R, Boyer E (2011) A survey of vision-based methods for action representation, segmentation, and recognition. Comput Vis Image Underst 115(2):224–241CrossRef
5.
Pecka P et al (2018) Solving large markov models described with standard programming language. In: International symposium on computer and information sciences. Springer, Cham
6.
Xiao C, Yu M (2018) Model-based quantitative distributed fault diagnosis using system decomposition. In: 2018 prognostics and system health management conference (PHM-Chongqing). IEEE
7.
8.
Tu NA et al (2019) ML-HDP: a hierarchical bayesian nonparametric model for recognizing human actions in video. IEEE Trans Circuits Syst Video Technol 29(3):800–814CrossRef
9.
Wang H et al (2011) Action recognition by dense trajectories. 2011 IEEE conference on computer vision and pattern recognition (CVPR). IEEE
10.
Aggarwal JK, Ryoo MS (2011) Human activity analysis: a review. ACM Comput Surv 43(3):1–43CrossRef
11.
Wu D et al (2016) Deep dynamic neural networks for multimodal gesture segmentation and recognition. IEEE Trans Pattern Anal Mach Intell 38(8):1583–1597CrossRef
12.
Laptev I et al (2008) Learning realistic human actions from movies. IEEE conference on computer vision and pattern recognition, CVPR 2008. IEEE
13.
Devi R, Srinivasa A, Srinivasa G (2016) Detection of multiple, co-occurring actions in video frames. In: International conference on wireless communications, signal processing and networking (WiSPNET). IEEE
14.
Zhang B et al (2017) Action recognition using 3D histograms of texture and a multi-class boosting classifier. IEEE Trans Image Process
15.
Geertsema EE et al (2019) Automated remote fall detection using impact features from video and audio. J Biomech
16.
Zhou W et al (2018) Foreground detection based on co-occurrence background model with hypothesis on degradation modification in background changes. In: 2018 12th France-Japan and 10th Europe-Asia congress on mechatronics. IEEE
Metadaten
Titel
Multiple Action Detection in Videos
verfasst von
M. N. Renuka Devi
Gowri Srinivasa
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Innovations in Computer Science and Engineering

Print ISBN: 978-981-15-2042-6

Electronic ISBN: 978-981-15-2043-3

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-15-2043-3_43