This paper presents a method to rec

This paper presents a method to recognize human actions from sequences of depth maps. Specifically, we employ an action graph to model explicitly the dynamics of the actions and a bag of 3D points to characterize a set of salient postures that correspond to the nodes in the action graph. In addition, we propose a simple, but effective projection based sampling scheme to sample the bag of 3D points from the depth maps. Experimental results have shown that over 90% recognition accuracy were achieved by sampling only about 1% 3D points from the depth maps. Compared to the 2D silhouette based recognition, the recognition errors were halved. In addition, we demonstrate the potential of the bag of points posture model to deal with occlusions through simulation.

ผลลัพธ์ (ไทย) 1:

บทความนี้แสดงวิธีการรับรู้การกระทำมนุษย์จากลำดับของแผนที่ความลึก เฉพาะ เราใช้กราฟการกระทำแบบอย่างชัดเจนการเปลี่ยนแปลงของการดำเนินการและถุงจุด 3D กับลักษณะชุดของท่าเด่นที่สอดคล้องกับโหนดในกราฟการกระทำ นอกจากนี้ เรานำเสนอเรียบง่าย แต่ประสิทธิภาพฉายตามสุ่มตัวอย่างเพื่อให้ตัวอย่างกระเป๋าของ 3D จุดจากแผนที่ความลึก ผลการทดลองได้แสดงให้เห็นว่า กว่า 90% ความแม่นยำของการรู้บรรลุผล โดยการสุ่มตัวอย่างประมาณ 1% 3D จุดจากแผนที่ความลึก เมื่อเทียบกับ 2D เงาตามการรับรู้ ข้อผิดพลาดการรู้จำถูกแบ่งครึ่ง นอกจากนี้ เราแสดงให้เห็นถึงศักยภาพของกระเป๋ารุ่นท่าจุดการจัดการกับ occlusions ด้วยการจำลองสถานการณ์

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอวิธีการที่จะรับรู้การกระทำของมนุษย์จากลำดับของแผนที่ความลึก โดยเฉพาะเราจ้างกราฟการดำเนินการในการจำลองการเปลี่ยนแปลงอย่างชัดเจนของการกระทำและถุงของจุด 3D ที่จะแสดงลักษณะของชุดของท่าสำคัญที่สอดคล้องกับโหนดในกราฟการดำเนินการ นอกจากนี้เรานำเสนอที่เรียบง่าย แต่มีประสิทธิภาพโครงการประมาณการการสุ่มตัวอย่างที่ใช้ในการลิ้มลองถุงจุด 3 มิติจากแผนที่ความลึก ผลการทดลองแสดงให้เห็นว่ามีความถูกต้องได้รับการยอมรับมากกว่า 90% ประสบความสำเร็จโดยการสุ่มตัวอย่างจุด 3D เพียงประมาณ 1% จากแผนที่ความลึก เมื่อเทียบกับการรับรู้ 2D เงาตามยอมรับข้อผิดพลาดที่ถูกลดลงครึ่งหนึ่ง นอกจากนี้เราแสดงให้เห็นถึงศักยภาพของถุงของจุดรูปแบบท่าทางในการจัดการกับ occlusions ผ่านการจำลอง

ผลลัพธ์ (ไทย) 3:

งานวิจัยนี้เสนอวิธีการที่จะรับรู้การกระทำของมนุษย์ จากลำดับของแผนที่ความลึก โดยเฉพาะ เราจ้างเป็นกราฟการเปลี่ยนแปลงของรูปแบบโดยการกระทำและถุงจุด 3D ลักษณะชุดเด่นท่าที่สอดคล้องกับโหนดในกราฟการกระทำ นอกจากนี้ เราขอเสนอที่เรียบง่าย แต่มีประสิทธิภาพตามรูปแบบตัวอย่างที่สุ่มจากถุงจุด 3D จากความลึกแผนที่ ผลการทดลองแสดงให้เห็นว่ากว่า 90% มีความถูกต้องรับรู้ได้โดยการสุ่มตัวอย่างจุด 3D เพียงประมาณ 1% จากความลึกแผนที่ เมื่อเทียบกับ 2D ภาพเงาการรับรู้ตามการรับรู้ข้อผิดพลาดลดลง นอกจากนี้ เราแสดงให้เห็นถึงศักยภาพของถุงของจุดท่านางแบบที่จะจัดการกับ occlusions ผ่านการจำลอง