Yüksek boyutlu öznitelik uzayında hareket tanıma

Abstract

Analyzing and interpreting human actions is an important and challenging area of computer vision. Different solutions are used for representing human actions; we prefer to use spatio-temporal interest points for motion descriptors. Besides, the space-time interest point feature space is considerably high-dimensional and it is hard to eliminate the curse of dimensionality with traditional similarity functions. We apply a matching based approach for high dimensional feature space that matches sequences to classify actions. © 2013 IEEE. Hareket analizi ve tanıma bilgisayarla görü alanında önemli ve zorlayıcı bir alan olarak görülmektedir ve insan hareketlerini tanımlamak için değişik teknikler kullanılmaktadır. Bu makalede zaman-mekansal özniteliklerin kullanılması tercih edilmiştir. Aynı zamanda, zaman-mekansal özniteliklerin oldukça yüksek ölçülü olmasından kaynaklanan boyutluluk sorunu ortaya çıkmaktadır ve geleneksel benzerlik ve eşleme algoritmaları bu problemin üstesinden gelememektedir. Bu sebeple, makalede yüksek boyutlu özniteliklerin eşleştirilmesi için farklı bir yöntem uygulanmıştır ve imgelerin eşleştirilmesi yöntemiyle videolar değişik hareketlere sınıflandırılmıştır.