ファジー対数極ヒストグラムと時間的自己類似性を用いたアクション認識手法

時間的形状変動は直感的に人間の活動モデル化の良い手がかりを提供することが示されています。本論文では、ファジー対数極ヒストグラムと時間的自己類似性に基づく人間のアクション認識のための新しいフレームワークを提示します。まず、ビデオクリップ（すなわち、アクションスニペット）から信頼できる一連のキーポイントを抽出します。次に、ファジー対数極ヒストグラム上で定義された時間的自己類似性を利用して、アクションの時間的形状変動を特徴付ける局所的記述子を取得します。最後に、これらの特徴に基づいてSVM分類器を訓練し、アクション認識モデルを実現します。提案された方法は、2つの人気で公開されているアクションデータセットで検証されています。得られた結果は非常に励みになるもので、最先端に匹敵するか、それを上回る精度が達成可能であることを示しています。さらに、この手法はリアルタイムで実行されるため、リアルタイムアプリケーションにタイミング保証を提供できます。