Linear latent low dimensional space for online early action recognition and prediction

شناخت و پیش بینی اقدامات انسانی یکی از وظایف مهم در برنامه های کاربردی مختلف کامپیوتری نظیر نظارت تصویری، تعامل کامپیوتر و سرگرمی خانگی است که نیازمند رویکردهای آنلاین و زمان واقعی است. در این کار، ما یک رویکرد جدید ارائه می دهیم که از جریان های دائمی داده های حرکت مشترک برای شناسایی و پیش بینی فعالیت ها در فضاهای خالی خطی که آنلاین و در زمان واقعی عمل می کنند استفاده می شود. رویکرد ما مبتنی بر تکنیک های یادگیری نظارت و کاهش ابعاد است که اجازه می دهد نمایندگی از اقدامات غیر خطی بعدی بعدی را به فضای خطی کم لایه کم. روش ما با استفاده از مجموعه داده های شناخته شده و معیارهای عملکرد به طور خاص برای تشخیص و پیش بینی عمل آنلاین و زمان واقعی طراحی شده است. ما عملکرد روش پیشنهادی را در یک مطالعه مقایسه ای نشان می دهیم که دقت بالا و زمان تاخیر کم را نشان می دهد.