Yüksek boyutlu öznitelik uzayında hareket tanıma
dc.citation.epage | 4 | en_US |
dc.citation.spage | 1 | en_US |
dc.contributor.author | Adıgüzel, Hande | en_US |
dc.contributor.author | Erdem, Hayrettin | en_US |
dc.contributor.author | Ferhatosmanoǧlu, Hakan | en_US |
dc.contributor.author | Duygulu, Pınar | en_US |
dc.coverage.spatial | Haspolat, Turkey | |
dc.date.accessioned | 2016-02-08T12:08:03Z | |
dc.date.available | 2016-02-08T12:08:03Z | |
dc.date.issued | 2013-04 | en_US |
dc.department | Department of Computer Engineering | en_US |
dc.description | Conference name: 21st Signal Processing and Communications Applications Conference, SIU 2013 | |
dc.description | Date of Conference: 24-26 April 2013 | |
dc.description.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. | en_US |
dc.description.abstract | 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. | en_US |
dc.description.provenance | Made available in DSpace on 2016-02-08T12:08:03Z (GMT). No. of bitstreams: 1 bilkent-research-paper.pdf: 70227 bytes, checksum: 26e812c6f5156f83f0e77b261a471b5a (MD5) Previous issue date: 2013 | en |
dc.identifier.doi | 10.1109/SIU.2013.6531423 | en_US |
dc.identifier.uri | http://hdl.handle.net/11693/28003 | |
dc.language.iso | Turkish | en_US |
dc.publisher | IEEE | en_US |
dc.relation.isversionof | http://dx.doi.org/10.1109/SIU.2013.6531423 | en_US |
dc.source.title | 21st Signal Processing and Communications Applications Conference, SIU 2013 | en_US |
dc.subject | Action recognition | en_US |
dc.subject | Curse of dimensionality | en_US |
dc.subject | High-dimensional space | en_US |
dc.subject | Recognizing human motion | en_US |
dc.subject | Curse of dimensionality | en_US |
dc.subject | High-dimensional feature space | en_US |
dc.subject | Human motions | en_US |
dc.subject | Motion descriptors | en_US |
dc.subject | Similarity functions | en_US |
dc.subject | Spatio-temporal interest points | en_US |
dc.subject | Image recognition | en_US |
dc.subject | Signal processing | en_US |
dc.subject | Motion estimation | en_US |
dc.title | Yüksek boyutlu öznitelik uzayında hareket tanıma | en_US |
dc.title.alternative | Action recognition in a high-dimensional feature space | en_US |
dc.type | Conference Paper | en_US |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Action recognition in a high-dimensional feature space.pdf
- Size:
- 1.23 MB
- Format:
- Adobe Portable Document Format
- Description:
- Full Printable Version