비디오 코딩을 활용한 새로운 특징 추출 기술을 이용한 인간 활동의 비디오 기반 인식

이 논문은 비디오가 압축되어 압축 변수를 기반으로 특징 벡터를 생성하는 활동 인식의 새로운 접근 방식을 제안합니다. 우리는 모든 비디오 프레임에서 각 변수를 기반으로 평균과 표준 편차를 계산하여 특징 벡터의 시간 도메인을 제거할 것을 제안합니다. 따라서 각 비디오는 67개의 변수를 가진 단일 특징 벡터로 표현됩니다. 모션 벡터의 경우, 우리는 PCA를 사용하여 그들의 위상을 투사하여 시간 도메인을 제거하였고, 이로 인해 각 비디오는 비디오 프레임 수와 같은 길이를 가진 단일 특징 벡터로 표현됩니다. 결과적으로 LSTM과 같은 복잡한 분류기를 피할 수 있고 전통적인 머신 러닝 기법을 대신 사용할 수 있습니다. JHMDB 데이터셋에 대한 실험 결과, 모션 벡터의 투사된 위상과 비디오 코딩 특징 변수를 사용할 때 각각 평균 분류 정확도가 68.8%와 74.2%에 달했습니다. 제안된 솔루션의 장점은 낮은 차원의 FV를 사용하고 간단한 머신 러닝 기법을 사용하는 것입니다.