标签：style 使用 io strong 问题 sp 工作 时间 line
动作分割是视频动 作识别 的前奏工作,需要 判别视频流当中一个动作的开始和 结束帧,同时还需要拒
识非典型动作
运动分割方法分类
序列分析方法分类
有关动作分割,可 以是序列分析的一种,有关序列分析的解决方法主 要有:
l ) 离散分析法
这 种方法只 考虑序列中的一项,但是 在某些 应用 中还 是可以得到整个序列的含义。这类方法 假设
观测物体的特征变化在时间上没 有规律,或 者忽 略规律。
2 ) 点集分析法
这 种方法只看到了每个序列的向量值,但是忽略 了它们之间的时序联系,相当于 把序列看成是一
个没有顺序关系的特征点集合,之后我们 可 以用分布来描述这个点集,所 以信息没 有被完全 利用。
3 ) 均匀采样分析法在这种方法 中,考虑序列的顺序性,但是序列的长度是 一样 的。假设序列长度都是 T,而 每一 项的观 察值都是一 个N 维向量,那 么每个序列可 以用一个N x T 维向量统 一表示。这样在建模识 别的时候,可 以直接使用各种 的距离 函数衡量序列之 间的相似度。
4 ) 时域模型法
这 种分析法,对 序列 长 度没 有限制,处理 时需要 对 时间轴上 的扭 曲变化进行建模,这是 目 前处理
时间序列中较完善的方法。为 了处 理 时间域上 的扭曲,这 种方法 需要采用 动态规划的框架,因此 计算复杂度 比较大,计算时间 比较长。与以上 均匀采样的相 比,时 域模型法 在匹配 轨迹上 应用 比较广泛它可 以 同时得到时间上 的扭 曲程度和 空间上 的相似度。但是对 于序列变 化 幅度 较 大 或 者 时 间扭 曲较 大 的情况 下D TW 方法 效果较差。
对 于这 种情况,H M M 模型 得 到广 泛应 用
学习方法分类
对于 动 作分割的学 习方法,现在主要 有 以下 三种解 决方法:监 督式连续动作分 割,即根 据 事先 定
义好 的 模型进行匹 配分割,但是需要人工 干 预;无监督式连续动作聚类,即在无监 督的情况 下 自动进行聚类,然后根据类别分类;还 有就是介于监督式分割和无监督式分割的半监 督式分割方法,
即先基于监 督式方法事先定义好部分类别,之后利用无监督的方式 自 动聚类后期应用中获取的异常样本
与识别先后关系分类
l ) 直接分割方法
即分割与识 别过程分开,运 动的分割在识别之前完成。在这 种识 别方法 中,首先检测计算一 些动
作参数,比如速度,加速度,轨迹 曲线等,或 者中级动作参数,然后寻找突变 ( 比如零值),以此确定分割边界侯选值。这种方法 的一个缺 陷就是要求输入 的动作与动作之 间必须被非动作所间隔,对于我们所研究的连续运 动的情况,这个条件是得不到满足的。
2 ) 间接分割方 法
即运动分割和运 动识 别 同时完成。
间接的方法通 过在输入 序列当 中寻 找与 已经 标 识 的动作类别当中有着最 大识 别可 能性的一段输入 序列作为分割出来的 结果,即动作的开始点和 结束点。大多数的间接分割 及识 别方 法都是 基于 动态规 划算法 的基础 上 扩展 起来 的,比如 H M M S 或者D TW 算法的扩展 C D p算法
DTW是一 种度量 时序序列间距 离的简单方法。但是 D TW 只适 用于两个时间序列的时序变化不 大的场合,并且只 适用于衡量 己经 分割好 了的两 个序列之间的距 离,也就是说输入 姿势的开 始和结束点都是 已知 的,而 对于 连续动作 分割 问题,需要 解决 的就是 确 定动 作的界限,也 就是说要在输入 序列 中匹配 参考序列的子 序列匹配问题,所 以单纯 的 D TW 算法无法解决
CDP CDPP
为了保证 分割的正 确性,一个动作姿势的结束点不得不等到下 一个动作姿势被检测 出来 以后才可 以确定,所 以分割结果 很大程度地 受到了延 时，对此 该研究采用 了一 种近 似规则来决定结束 点
标签：style 使用 io strong 问题 sp 工作 时间 line
原文地址：http://www.cnblogs.com/sprint1989/p/3942421.html
