Understanding and localizing activities from correspondences of clustered trajectories

ما یک رویکرد برای شناسایی فعالیت های انسانی بر اساس گروه بندی مسیر را ارائه می دهیم. نمایندگی ما اجازه می دهد تا تطبیق جزئی بین فیلم ها را به دست آورد که یک اندازه شباهت قوی دارند. این رویکرد در فیلم های ورزشی بسیار مفید است که در آن فعالیت های مختلف درگیر فعالیت های مختلف هستند. بسیاری از آثار موجود، تشخیص شخص، ردیابی را انجام می دهند و اغلب به کالیبراسیون دوربین نیاز دارند تا حرکت و تصویر هر بازیکن و شی در صحنه را استخراج کند. در این کار، ما بر این محدودیت ها غلبه می کنیم و رویکردی را پیشنهاد می کنیم که از ساختار فضایی و زمانی یک ویدیو بهره می برد و ویژگی های فضایی و زمانی محلی را بی نظیر دسته بندی می کند. نمایندگی قوی ما می تواند اندازه گیری شبیه سازی ویدئو ایجاد متناسب بین الگوهای دلخواه. ما نشان می دهیم که چگونه می توان خوشه های ما را برای تهیه پیشنهادهای عملی فزیکی استفاده کرد. ما از پیشنهادات برای بهبود نمایندگی ما برای مکان و تشخیص استفاده می کنیم. ما روش ما را بر روی داده های گزارش داده فعالیت های ویژه و عمومی ورزش تست گزارش نتایج بالاتر از حالت فعلی در حال حاضر.