깊이 영상에서의 행동 인식을 위한 다중 모드 다중 부분 학습

인간 행동의 복잡하고 세분화된 성질은 행동 인식 작업을 어렵게 만듭니다. 이 복잡성을 처리하기 위한 한 가지 방법은 신체 부위의 운동학으로 나누어 이러한 부분적 설명자에 기반하여 행동을 분석하는 것입니다. 우리는 구조적 희소성을 활용하여 각 행동을 몇몇 신체 부위에서 추출한 다중 모달 특성들의 조합으로 모델링하는 공동 희소 회귀 기반 학습 방법을 제안합니다. 부분들의 역학과 외관을 표현하기 위해 우리는 깊이와 스켈레톤 기반 특성들의 이종 집합을 사용합니다. 제안된 계층적 혼합 노름을 통해 각 부분의 구조적 특성을 규제하고 그들 사이에 희소성을 적용하여, 그룹 특성 선택을 유리하게 하는 다중 모달 다부위 특성의 적절한 구조를 학습 프레임워크에 공식화합니다. 실험 결과는 제안된 학습 방법의 효과성을 드러내며, 세 개의 테스트 데이터셋 모두에서 다른 방법들을 능가하며, 하나의 데이터셋에서는 완벽한 정확도를 달성하여 포화 상태에 이르렀습니다.