Action database for categorizing and inferring human poses from video sequences

یکی از مشکلات در شناخت خودکار فعالیت های انسانی، طبقه بندی یک ویدیو را به یک کلاس عملی خاص با انتخاب میان تعداد زیادی از اقدامات انسانی است. تکنولوژی برای درک اقدامات انسانی پیچیده و متنوع برای نظارت خودکار، آموزش ورزشی، بازی های کامپیوتری و تعاملات انسانی ربات ضروری است. دشواری طبقه بندی ناشی از کمبود داده های مجموعه ای از اقدامات انسان است که به صورت دستی طبقه بندی شده و مناسب برای استفاده به عنوان داده های آموزشی برای طراحی طبقه بندی عمل هستند. یک سیستم ضبط حرکت مبتنی بر نشانگر، امکان سنجی دقیق اقدامات انسانی را برای تحلیل انجام می دهد. با این وجود این نوع سیستم ضبط دارای نقایص متعددی است. به طور خاص، سیستم های مبتنی بر مارکر گران هستند، مزاحم و پیچیده برای استفاده. با وجود این، استفاده شدید از یک سیستم ضبط حرکات می تواند مجموعه داده های بزرگی از اقدامات انسان را فراهم کند و مجموعه داده ها را می توان برای تسهیل دست زدن به انواع اقدامات طبقه بندی کرد. انتظار می رود مجموعه داده های مجموعه های وسیعی از اقدامات انسانی که توسط سیستم های حرکتی حرکت اندازه گیری شده اند مناسب برای طبقه بندی بخش های ویدئویی به رده درست صحیح انسان، انتخاب از میان تعداد زیادی از دسته های عمل و برای تعریف موقعیت های انسانی از ویدیو باشد. این مقاله یک مفهوم جدید برای یک پایگاه داده از اقدامات بدن انسان و یک برنامه برای درک اقدامات انسانی از ویدیو ارائه می دهد. پایگاه داده شامل پیکربندی های عمل، مانند موقعیت های بدن، توصیفگرهای از تصاویر شبح، یک مدل تصادفی که کدام هر دنباله ای از توصیف های ظاهر است، و یک مدل رگرسیون برای پیش بینی پیکربندی از توصیف پوز است. پیکربندی های عملی قبل از استفاده با اندازه گیری بسیاری از اقدامات انسانی با یک سیستم ضبط حرکت مبتنی بر نشانگر ثبت می شوند و تصاویر شبیه سازی شده از این تنظیمات ایجاد می شوند. ما تست پایگاه داده عمل در مورد وظایف طبقه بندی عمل و وظایف استنتاج بدن ستون. نتایج تجربی نشان می دهد که پایگاه داده عمل مناسب برای استفاده در هر دو طبقه بندی عمل و نتیجه استقرار است.