کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6939068 1449968 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A graph-based approach for detecting common actions in motion capture data and videos
ترجمه فارسی عنوان
یک رویکرد مبتنی بر گرافیکی برای تشخیص اقدامات معمول در اطلاعات و ویدیوهای ضبط حرکت است
کلمات کلیدی
تشخیص عمل مشترک، تقسیم بندی ویدیو، تقسیم بندی زمان فعلی، پیمایش زمان پویا،
ترجمه چکیده
ما یک راه حل جدید برای مشکل تشخیص اقدامات عادی در مجموعه های زمانی داده ها و ویدیوهای ضبط حرکت ارائه می دهیم. با توجه به دو توالی عمل، روش ما همه جفت متعلقات مشترک را پیدا می کند، یعنی پسوند هایی که یک یا مشابه عمل را نشان می دهند. این به روش کاملا بدون نظارت به دست می آید، یعنی بدون اطلاع قبلی از نوع اقدامات، تعداد آنها و مدت زمان آنها. این متعلقات مشترک (مشترکات) ممکن است در هر جایی از توالی های اصلی قرار گیرد، ممکن است در طول زمان متفاوت باشد و ممکن است تحت شرایط مختلف مانند یک بازیگر متفاوت انجام شود. روش پیشنهادی یک جستجوی بسیار کارآمد مبتنی بر گراف در ماتریس فاصله های دوگانه فریم های دو توالی را انجام می دهد. این جستجو توسط یک تابع هدف پشتیبانی می شود که فاکتور تجارت را بین شباهت های متعارف مشترک و طول آنها ترسیم می کند. روش پیشنهادی به صورت کمی بر روی مجموعه داده های چالش برانگیز و در مقایسه با روش های هنر پیشرفته مورد ارزیابی قرار گرفته است. نتایج به دست آمده نشان می دهد که روش پیشنهادی از روش های هنری پیشرفته تر هم در کیفیت راه حل های به دست آمده و در عملکرد محاسباتی برتر است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
We present a novel solution to the problem of detecting common actions in time series of motion capture data and videos. Given two action sequences, our method discovers all pairs of common subsequences, i.e. subsequences that represent the same or similar action. This is achieved in a completely unsupervised manner, i.e., without any prior knowledge of the type of actions, their number and their duration. These common subsequences (commonalities) may be located anywhere in the original sequences, may differ in duration and may be performed under different conditions e.g., by a different actor. The proposed method performs a very efficient graph-based search on the matrix of pairwise distances of frames of the two sequences. This search is supported by an objective function that captures the trade off between the similarity of the common subsequences and their lengths. The proposed method has been evaluated quantitatively on challenging datasets and in comparison to state of the art approaches. The obtained results demonstrate that the proposed method outperforms the state of the art methods both in the quality of the obtained solutions and in computational performance.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 79, July 2018, Pages 1-11
نویسندگان
, , ,