数据结构 ?
7.04G
Data Structure ?
* 以上分析是由系统提取分析形成的结果，具体实际数据为准。
README.md
使用身体姿势特征和多实例学习的双人交互检测
人类活动识别有可能影响从监视到人机界面到基于内容的视频检索的广泛应用。最近，便宜的深度传感器（例如，Microsoft Kinect）的快速发展为活动识别应用的实时全身人体跟踪提供了足够的准确性。在本文中，我们创建了一个复杂的人类活动数据集，描述了两个人的交互，包括同步视频，深度和动作捕捉数据。此外，在通过支持向量机（SVM）实时检测交互活动的上下文中，我们使用数据集来评估通常用于索引和检索运动捕获数据的各种功能。实验上，我们发现基于所有关节对之间距离的几何关系特征优于其他特征选择。对于整个序列分类，我们还探索了与多实例学习（MIL）相关的技术，其中序列由一袋身体姿势特征表示。我们发现当序列在感兴趣的相互作用周围时间延伸时，基于MIL的分类器优于SVM。
在第二届计算机视觉与模式识别会议上的3D数据人类活动理解国际研讨会上发表，CVPR 2012
Kiwon Yun，Jean Honorio，Debaleena Chattopadhyay，Tamara L. Berg，Dimitris Samaras
Stony Brook University
暂无相关内容。
暂无相关内容。
- 分享你的想法
去分享你的想法~~
全部内容
欢迎交流分享
开始分享您的观点和意见，和大家一起交流分享.
数据使用声明：
- 1、该数据来自于互联网数据采集或服务商的提供，本平台为用户提供数据集的展示与浏览。
- 2、本平台仅作为数据集的基本信息展示、包括但不限于图像、文本、视频、音频等文件类型。
- 3、数据集基本信息来自数据原地址或数据提供方提供的信息，如数据集描述中有描述差异，请以数据原地址或服务商原地址为准。
- 1、本站中的所有数据集的版权都归属于原数据发布者或数据提供方所有。
- 1、如您需要转载本站数据，请保留原数据地址及相关版权声明。
- 1、如本站中的部分数据涉及侵权展示，请及时联系本站，我们会安排进行数据下线。
VIP下载(最低0.24/天)
下载数据集
10 
1401浏览
6下载
0点赞
收藏
分享