Методи розпізнавання рухів, дій людей на відео послідовностях

Скорочена інформація про документ
dc.contributor.authorСолдатов, Денис Володимирович
dc.date.accessioned2020-05-20T16:10:36Z
dc.date.available2020-05-20T16:10:36Z
dc.date.issued2019
dc.description.abstractenThe article describes the formulation of the problem of recognition of the movements of objects in a video sequence, the stages of its solution, the analysis of the basic methods of each of the stages. A wide range of applications and growing requirements on the quality of recognition determines the relevance of the study. The process of action recognition and detection begins with extracting useful features, from the input video sequence. Features are then processed through a classier to identify the action class (for example, running, walking, jumping, various gestures). The article describes the main feature descriptors, in the filter-based category: histogram of oriented gradients, cuboid descriptor, scale-invariant feature transform, gradient location-orientation histogram, local trinary patterns, and spatiotemporal patches, optical flow-based descriptors: histograms of optical flow, the motion boundary histogram, dense trajectory, convolutional neural network-based descriptors. Some algorithms require the extraction of primitive features and further refinement of the auxiliary features before they can be passed to the classifier. Examples of the use of specialized primitive features are methods based on silhouettes / contours and methods based on object tracking. There are methods for classifying extracted features, including the following: support vector machines, adaptive boost, artificial neural networks, convolutional neural networks. The key difficulties arising in solving the problem are considered. There are ways to compare various methods. One of the ways to draw comparisons is to quantitatively evaluate each approach on the same database with the same protocol. From simple KTH datasets and Weizmannnd to Carnegie Mellon University Crowded Videos dataset and Microsoft Research Action Group dataset to more complex video conditions and large-scale UCF101 and ActivityNet datasets. Existing approaches to recognition of motion in video sequences are analyzed. The article reveals characteristics, strengths and weaknesses of the various methods of detecting features and their classification. Leading methods that show the best results widely use convolutional neural networks. One of such methods is a spatio-temporal graph convolutional neural network for action recognition based on the object's skeleton. A method for further research and improvement was chosen.uk
dc.description.abstractruВ статье рассмотрено постановку проблемы распознавания движений объектов на видеопоследовательности, этапы ее решения, проведен анализ основных методов каждого из этапов. Рассмотрены ключевые сложности, возникающие при решении задачи. Приведены способы сравнения различных методов. Проанализировано существующие подходы к распознаванию движений на видеопоследовательностях, выявлены особенности, сильные и слабые стороны, и ограничения различных методов выявления признаков и их классификации. Избран метод для дальнейшего исследования и усовершенствования.uk
dc.description.abstractukВ статті розглянуто постановку проблеми розпізнавання рухів об’єктів на відеопослідовностях, етапи її вирішення, проведено аналіз основних методів кожного з етапів. Розглянуто ключові складнощі, що виникають при вирішенні задачі. Наведено способи порівняння різних методів. Проаналізовано існуючі підходи до розпізнавання рухів на відеопослідовностях, виявлено особливості, сильні та слабкі сторони та обмеження різних методів виявлення ознак та їх класифікації. Обрано методи для подальшого дослідження та вдосконалення.uk
dc.format.pagerangeС. 27-33uk
dc.identifier.citationСолдатов, Д. В. Методи розпізнавання рухів, дій людей на відео послідовностях / Солдатов Д. В. // Електронна та Акустична Інженерія : науково-технічний журнал. – 2019. – Т. 2, № 3. – С. 27–33. – Бібліогр.: 38 назв.uk
dc.identifier.doihttps://doi.org/10.20535/2617-0965.2019.2.3.164709
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/33680
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/uk
dc.sourceЕлектронна та Акустична Інженерія : науково-технічний журнал, 2019, Т. 2, № 3uk
dc.subjectрозпізнавання рухівuk
dc.subjectвідеопослідовністьuk
dc.subjectоптичний потікuk
dc.subjectSVMuk
dc.subjectCNNuk
dc.subjectmotion recognitionuk
dc.subjectvideo sequenceuk
dc.subjectoptical flowuk
dc.subjectраспознавание движенийuk
dc.subjectвидеопоследовательностьuk
dc.subjectоптический потокuk
dc.subject.udc004.02uk
dc.titleМетоди розпізнавання рухів, дій людей на відео послідовностяхuk
dc.title.alternativeAction and Movements Recognition Methodsuk
dc.title.alternativeМетоды распознавания движений, действий людей на видеопоследовательностяхuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
EAI2019_2-3_p27-33.pdf
Розмір:
424.61 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Електронна та Акустична Інженерія: науково-технічний журнал, Т. 2, № 3