Action Prediction探索

项目从Action Recognition转向Action Prediction,因为后者能在行为未完全发生时进行识别,适合实时在线异常行为检测。研究了Human Interaction Prediction的两种方法,一种利用深度时序特征,另一种结合结构上下文模型和评分融合。这两种方法都结合了空间和时间信息来预测行为。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

背景

由于项目组中有异常行为检测的项目,该项目需要对异常行为及时的报警,是real-time and online的检测。前期,项目研究了Action Recognition,而Recognition是对trimmed视频进行识别,而且是对发生完的动作进行识别,不适合项目的需求。而之后又探索了anomaly detection,这个是对异常事件的检测,但是异常事件检测采用重构的思想,即对正常行为进行训练,重构误差小,当一个没有见过的行为出现时,重构误差将会很大,用重构误差来判断一个行为是否属于异常事件,往往会出现误报警,即一个人突然快速走路也会判断为异常事件,不适合异常行为的场合。
因此,综合前面的探索,考虑到应用场景,因此把研究方向定到了Action Prediction。

Action Prediction定义:

根据论文SSNet: Scale Selection Network for Online 3D Action Prediction提及,Recognizing (predicting) an action before it is fully performed,即在行为没有全部发生时,便识别整个行为,这种操作就是行为预测。也称为early action recognition

调研

  1. Human Interaction Prediction Using Deep Temporal Features, ECCV2016.
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值