55、人体活动识别与图像检索技术解析

人体活动识别与图像检索技术解析

人体活动的组合模型识别

人体活动是复合的，这一证据十分有力。若活动确实是复合的，那么活动标签的数量可能会非常庞大。例如，当动作在时间和身体各部位上组合时，可能会出现双腿行走、左臂摆动、右臂伸展，接着双腿行走且双臂伸展等复杂情况，这会导致显著的复杂性。

对于纯粹的判别方法而言，这会带来棘手的问题，因为可能没有足够大的标签集来表示所有这些复杂性。不过，有些复杂性可能是无关紧要的，比如只想找出站立的人时，就无需表示人们行走时的所有动作。

若有足够的标签集，n - 元姿势直方图是一种可行的表示方法。它能抑制时间细节，同时保留一些顺序信息。另一种方法是构建局部标签如何组合的显式模型。例如，Ikizler 和 Forsyth（2008）为一组基本标签构建身体各部分运动的局部模型，然后将这些模型串联成一个大的隐马尔可夫模型（HMM）。该模型中的局部模型带有标签，可用于查询一组活动视频，以找出那些虽未见过但由有限状态自动机表示的活动。评估序列由有限状态自动机生成的后验概率很容易，并可据此对序列进行排序。

显式的组合表示很有吸引力，因为它能让我们拥有复杂度高但相对易于表示的标签空间。然而，目前的方法存在两个难点：一是需要对身体进行解析，因为组合时必须知道从哪里分割，这使得它们容易受到解析问题的影响；二是难以确定一组好的基本标签。

相关数据集资源

以下是一些与人体活动识别相关的数据集：
| 数据集名称 | 发布者 | 链接 |
| — | — | — |
| Buffy 火柴人数据集 | Ferrari, Eichner, Marín - Jiménez, 和 Zisserm