시공간 공분산 설명자(Spatio-Temporal Covariance Descriptors)를 이용한 행동 및 제스처 인식

우리는 공간-시간 공분산 설명자(spatio-temporal covariance descriptors)와 이러한 설명자가 형성하는 곡률 공간(curved space)을 고려한 가중 리만 국소 보존 투영(weighted Riemannian locality preserving projection) 접근법을 기반으로 하는 새로운 행동 및 제스처 인식 방법을 제안합니다. 가중 투영은 부스팅(boosting) 과정에서 활용되어 가장 유용한 공간-시간 영역(spatio-temporal regions)을 사용하는 최종 다중 클래스 분류 알고리즘(multiclass classification algorithm)을 생성합니다. 또한 적분 비디오 표현(integral video representations)을 사용하여 설명자를 빠르게 계산할 수 있는 방법을 보여줍니다. UCF 스포츠, CK+ 얼굴 표정, 캠브리지 손 제스처 데이터셋에 대한 실험 결과는 제안된 방법이 최근의 여러 최신 기술(state-of-the-art techniques)보다 우수한 성능을 나타냄을 보여줍니다. 제안된 방법은 견고하며 비디오의 전경 검출(foreground detection), 관심점 검출(interest-point detection) 또는 추적(tracking)과 같은 추가적인 비디오 처리가 필요하지 않습니다.