CVPR 2020 中的群组活动识别

 

 

前两天盘点了CVPR 2020 中动作相关的论文:

CVPR 2020 论文大盘点-动作识别篇

CVPR 2020 论文大盘点-动作检测与动作分割篇

动作(Action)往往指个体的行为,而活动(Activity)既可指个人的行为也可指群体行为。

CVPR 2020 中群组活动识别(Group Activity Recognition)即多个人行为的识别,包含多个个体不同的动作,比如排球比赛中的扣球,有人跳跃击打,有人俯身观察,有人双臂拦网。

 

 

群组活动识别在体育赛事分析和视频监控中有重要应用,近年来也吸引了不少研究学者的关注。

CVPR 2020 中两篇相关论文均为在体育赛事视频中的活动识别。

 

[1].Actor-Transformers for Group Activity Recognition

作者 | Kirill Gavrilyuk, Ryan Sanford, Mehrsan Javan, Cees G. M. Snoek

单位 | 阿姆斯特丹大学;Sportlogiq

论文 | https://openaccess.thecvf.com/content_CVPR_2020/papers/Gavrilyuk_Actor-Transformers_for_Group_Activity_Recognition_CVPR_2020_paper.pdf

该文从自然语言处理中借鉴Transformers建模时序信号提取特征的方法,提出一种Actor-Transformers模型,对每一个活动参与者(Actor)提取其2D姿态表示和3D CNN表示,将其输入Transformers模型中,实验结果相比之前的SOTA方法取得了客观的精度提升。

 

 

[2].Progressive Relation Learning for Group Activity Recognition

作者 | Guyue Hu, Bo Cui, Yuan He, Shan Yu

单位 | 中科院自动化所;中科院脑科学与智能技术卓越中心;国科大

论文 |https://openaccess.thecvf.com/content_CVPR_2020/papers/Hu_Progressive_Relation_Learning_for_Group_Activity_Recognition_CVPR_2020_paper.pdf

该文指出在群体活动识别中,少数关键人物动作定义了活动类别,模型应该强化重要人物的动作特征,抑制无关人物动作特征。并提出使用强化学习提取渐进关系,进行群体活动识别。

 

 

感觉群体活动识别是较为复杂的技术方向,既涉及到时序又涉及空间特征的提取,而且涉及多个体的动作识别分析和特征融合。很可惜两篇论文均没有开源代码。

转载请注明:《CVPR 2020 中的群组活动识别