Gavinmiaoc的博客

随着深度学习技术的发展，以及计算能力的进步（GPU等），现在基于视频的研究领域越来越受到重视。视频与图片最大的不同在于视频还包含了时序上的信息，此外需要的计算量通常也大很多。这篇主要介绍Action Recognition（行为识别）这个方向。这个方向的主要目标是判断一段视频中人的行为的类别，所以也可以叫做Human Action Recognition。虽然这个问题是针对视频中人的动作，但基...

图卷积网络（Graph Convolutional Network，GCN）是近年来逐渐流行的一种神经网络结构。不同于只能用于网格结构（grid-based）数据的传统网络模型 LSTM 和 CNN，图卷积网络能够处理具有广义拓扑图结构的数据，并深入发掘其特征和规律，例如 PageRank 引用网络、社交网络、通信网络、蛋白质分子结构等一系列具有空间拓扑图结构的不规则数据。相比于一般的拓扑图而言，...

随着计算机学科与人工智能的发展和应用，视频分析技术迅速兴起并得到了广泛关注。视频分析中的一个核心就是人体行为识别，行为识别的准确性和快速性将直接影响视频分析系统后续工作的结果。因此，如何提高视频中人体行为识别的准确性和快速性，已成为视频分析系统研究中的重点问题。目前，典型的视频人体行为识别方法主要有：时空兴趣点、密集轨迹等。其中：时空兴趣点，是通过检测视频中的角点、提取角点的特征进行人体行...

近日，香港中文大学提出一种时空图卷积网络，并利用它们进行人类行为识别。这种算法基于人类关节位置的时间序列表示而对动态骨骼建模，并将图卷积扩展为时空图卷积网络而捕捉这种时空的变化关系。近年来，人类行为识别已经成为一个活跃的研究领域，它在视频理解中起着重要的作用。一般而言，人类行为识别有着多种模态（Simonyan and Zisserman 2014; Tran et al. 2015; W...

a very simple Fall-detection（摔倒/跌倒检测）using yolo2项目地址：https://github.com/qiaoguan/Fall-detectionFall-detection（摔倒/跌倒检测）Fall-detection（摔倒/跌倒检测）in the roomthis fall-detection is based ondarknet....

背景介绍在现有的的行为分类数据集（UCF-101 and HMDB-51）中，视频数据的缺乏使得确定一个好的视频结构很困难，大部分方法在小规模数据集上取得差不多的效果。这篇文章根据Kinetics人类行为动作来重新评估这些先进的结构。Kinetics有两个数量级的数据，400类人类行为，每一类有超过400剪辑，并且这些都是从现实的，有挑战性的YouTube视频中收集的。我们分析了现有的结构在这...

img_process.py#!/usr/bin/python# -*- coding: UTF-8 -*-import cv2import numpy as np# 全局阈值# notice the size of imgdef threshold_demo(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ...

本文是CVPR 2017的一篇文章Paper:Quo Vadis, Action Recognition? A New Model and the Kinetics Datasetgithub: kenetics-i3d 在一个规模更大的新video数据集Kinetics上，重新评估了当下state-of-the-art的模型结构，并和在小数据集上训练的结构进行比较 提出一个新模...

 paper: DTPPcode:DTPP  End-to-end Video-level Representation Learning for Action Recognition用于动作识别的端到端视频级表示学习 概要    从帧/剪贴式特征学习到视频层表示构建，动作识别的深度学习方法近年来得到了快速发展。然而，目前的方法受到部分观测训练或没有端到端学习的困扰，或...

paper：2s-AGCNcode :2s-AGCN摘要在基于骨架的动作识别中，将人体骨架建模为时空图的图形卷积网络（GCN）取得了显著的效果。然而，在现有的基于GCN的方法中，图的拓扑结构是手动设置的，并且它固定在所有层和输入样本上。对于行动识别任务中的分层GCN和不同的样本，这可能不是最佳选择。此外，在现有的方法中，很少研究骨骼数据的二阶信息（骨骼的长度和方向），这对于动作识...