动作识别新论文20191110：action recognition

1.Action Recognition Using Local Visual Descriptors and Inertial Data

(pdf)[https://link.springer.com/chapter/10.1007/978-3-030-34255-5_9]

使用视觉和惯性数据来做动作识别

2.(Image representation of pose-transition feature for 3D skeleton-based action recognition)[https://www.sciencedirect.com/science/article/pii/S0020025519310151]

对3D骨架数据，使用两种方式来提取特征，一方面是：使用x,y,z每一个维度来度量各个点之间的距离信息，还有一个是使用角度来衡量点之间的关系，把这两个特征叠加一起。
综合的大F包括四个部分：【1.同一时间节点i和节点j之间的距离信息，2.相隔一帧，节点i和节点j之间的距离信息，3.同一时间节点i和节点j之间的角度信息，4.相隔一帧，节点i和节点j之间的角度信息】

再在时间维度上，增加一个维度，就实现特征的提取

对这些信息，转化成对应XYZ的三个方向（“RGB”三色图）

结果，实现83%和 90%

3.(Action recognition in freestyle wrestling using silhouette-skeleton features)[sciencedirect.com/science/article/pii/S2215098619303052]

主要是对两人格斗信息，进行分类。
读取图片，使用剪影提取图片的谷骨骼信息，骨骼映射在图像的格子上（bin）,然后统计各个bin上面的条纹数量，从而用作分类的特征。
最后使用SVM分类。

4.(Using Aesthetics and Action Recognition-based Networks for

the Prediction of Media Memorability)[]

对于读取的TSN和I3D特征，采用其他组合的方法，再次利用起来。

这个文章有点水，基本就是使用了一下原来的模型。

5.(Temporal 3D Human Pose Estimation for Action

Recognition from Arbitrary Viewpoints)[https://www.researchgate.net/publication/336891012_Temporal_3D_Human_Pose_Estimation_for_Action_Recognition_from_Arbitrary_Viewpoints]

从图片中提取二维骨架，然后估计3D骨架，最后使用TSN进行时间维度卷积操作。

对一些常见算法的对比

动作识别新论文20191110：action recognition

原文：https://www.cnblogs.com/captain-dl/p/11831685.html