55、人体活动识别与图像搜索检索技术解析

人体活动识别与图像搜索检索技术解析

人体活动的组合模型识别

人体活动具有明显的组合特性，这意味着活动标签的数量可能极为庞大。例如，当运动在时间和身体部位上进行组合时，会产生极其复杂的活动形式，像双腿行走、左臂摆动、右臂伸展，接着双腿继续行走且双臂都伸展等。这种复杂性给纯粹的判别方法带来了难题，因为可能没有足够多的标签来涵盖所有复杂情况。不过，有些复杂性对任务表现并无影响，比如只想找出站立的人时，就无需表示人们行走时的各种动作。

若有足够的标签集，n - 克姿势直方图是一种可行的表示方法，它能在保留序列信息的同时抑制时间细节。另一种方法是构建局部标签组合的显式模型，例如 Ikizler 和 Forsyth 在 2008 年为一组基本标签构建了身体各部分运动的局部模型，并将这些模型串联成一个大型隐马尔可夫模型（HMM）。该模型中的局部模型带有标签，可用于查询活动视频中从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后的后验概率较为容易，还能根据此概率对序列进行排序。

组合的显式表示具有吸引力，它能让标签空间具有高复杂性且相对易于表示。但目前存在两个难题。一是当前方法需要对人体进行解析，因为组合时必须明确分割位置，所以容易出现解析问题。不过，随着解析方法不断改进，这个难题有望在不久的将来得到解决。二是难以确定一组合适的基本标签。

相关资源

以下是一些公开的人体活动相关数据集：
| 数据集名称 | 发布者 | 数据集内容 | 链接 |
| — | — | — | — |
| 巴菲火柴人数据集 | Ferrari, Eichner, Marín - Jiménez, 和 Zisserman | 火柴