基于视频的塑料袋抓住行动识别:一个新的视频数据集和基线模型的比较研究
Pei Jing Low1, Bo Yan Ng1, Nur Insyirah Mahzan1
1NUS-ISS, National University of Singapore, Singapore 119615, Singapore.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
这项研究引入了一个新的数据集,并评估了在CCTV录像中识别塑料袋抓取行动的三种方法. 卷积神经网络 (CNN) 显示出对这种专门的计算机视觉任务的承诺.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 行动认可 行动认可
背景情况:
- 动作视频分类是一个复杂的领域,塑料袋抓获是一个利基挑战.
- 现有的方法可能无法在现实世界的CCTV数据中充分捕捉这种特定行动的细微差别.
研究的目的:
- 开发一个专门的基准数据集用于塑料袋抓取动作识别.
- 为此任务提出和评估基线方法,包括手工制作的功能,2D CNN和3D CNN.
主要方法:
- 为塑料袋抢劫创建了一个新的基准数据集.
- 评估了三种方法:使用序列模型制作手工特征,多卷积神经网络 (CNN) 和3D CNN.
主要成果:
- 对三个基线方法进行了比较分析.
- 确定了每个方法在识别塑料袋抓获行动中的优点和局限性.
结论:
- 这项研究为未来在专门行动识别方面的研究提供了基础.
- 开发的数据集和评估的方法有助于提高CCTV分析的计算机视觉能力.
