초록
비디오 기반 인간 행동 인식은 현재 컴퓨터 비전 분야에서 가장 활발한 연구 영역 중 하나입니다. 다양한 연구 결과에 따르면, 행동 인식의 성능은 추출된 특성의 유형과 행동이 표현되는 방식에 크게 의존한다고 합니다. Kinect 카메라가 출시된 이후로, 문헌에는 수많은 Kinect 기반 인간 행동 인식 기술이 제안되었습니다. 그러나 아직도 이러한 Kinect 기반 기술들이 특성 유형(예: 수작업 특성 vs 딥러닝 특성, 깊이 기반 특성 vs 뼈대 기반 특성)별로 철저히 비교되지 않았습니다.본 논문에서는 최근 제안된 10개의 Kinect 기반 알고리즘을 6개의 벤치마크 데이터셋을 사용하여 주제 간 행동 인식과 시점 간 행동 인식 두 가지 측면에서 분석하고 비교합니다. 또한, 우리는 일부 이론들을 구현하고 개선하여 그 변형 모델들을 비교 대상에 포함시켰습니다. 실험 결과, 대부분의 방법이 주제 간 행동 인식에서 시점 간 행동 인식보다 더 우수한 성능을 보였으며, 뼈대 기반 특성이 깊이 기반 특성보다 시점 간 인식에 더 견고하다는 것을 확인하였습니다. 또한, 딥러닝 특성이 큰 데이터셋에 적합하다는 점도 밝혀졌습니다.