earticle

논문검색

특집 : 하계학술대회 2017 우수논문

키프레임의 딥특징을 사용하여 영화장면에서의 동작 인식

원문정보

Action Recognition in Movie Scenes using Deep Features of Keyframes

울라 아민, 아마드 자밀, 무하마드 칸, 메흐무르 이르판, 이미영, 박준렬, 백성욱

피인용수 : 0(자료제공 : 네이버학술정보)

초록

영어

Recently, researchers of computer vision have focused on human action recognition in video clips and have used it for applications in various domains such as surveillance and sports. In this paper, we have recognized human action in movies clips using deep features of keyframes. Firstly, k-mean clustering is used to achieve representative frames (keyframes) from action videos. Clustering removes redundant frames from action videos, thereby reducing the computational complexity of the algorithm. Secondly, we fine-tuned convolutional neural network (CNN) model called Alexnet for 12 movies actions. Finally, we feed those representative frames of action video clips to the fine-tuned CNN classifier. The proposed algorithm is experimentally tested on Holywood2 dataset and the obtained results are better in terms of accuracy compared to state-of-the-art hand crafted features extraction based action recognition methods.

한국어

최근에 컴퓨터 비젼 연구자들은 비디오 클립에서 인간의 행동 인식에 초점을 맞추었고, 감시 및 스포츠와 같은 다양한 영역의 응용 프로그램에 사용했습니다. 이 논문에서는 키 프레임의 딥특징을 사용하여 영화 클립에서 인간의 행동을 인식했습니다. 첫째, k-mean 클러스터링은 액션 비디오로부터 대표적인 프레임(키프레임)을 획득하는데 사용됩니다. 클러스터링은 액션 비디오로부터 중복된 프레임을 제거함으로써 알고리즘의 복잡성을 줄여줍니다. 둘째, 12편의 영화를 위해 Alexnet이라 불리는 컨볼루션 신경네트워크(CNN)모델을 미세 조정했습니다. 마지막으로 우리는 대표적인 액션 프레임을 CNN분류기에 제공했습니다. 이렇게 제안된 알고리즘은 Holywood2 데이터 세트에대해 실험적으로 테스트 되었으며, 획득된 결과는 최첨단 기술로 만들어진 특징 추출 기반의 동작 인식방법과 비교하여 정확성 측면에서 더 우수하였습니다.

목차

요약
 Abstract
 1. Introduction
 2. Literature Review
 3. Proposed Methodology
  3.1 Clustering
  3.2 Fine tune AlexNet
 4. Experimental Evaluation
  4.1 Hollywood2 Dataset
 5. Conclusion
 Acknowledgement
 References

저자정보

  • 울라 아민 Amin Ullah. 세종대학교 전자정보공학대학
  • 아마드 자밀 Jamil Ahmad. 세종대학교 전자정보공학대학
  • 무하마드 칸 Khan Muhammad. 세종대학교 전자정보공학대학
  • 메흐무르 이르판 Irfan Mehmood. 세종대학교 소프트웨어융합대학
  • 이미영 Mi Young Lee. 세종대학교 전자정보공학대학
  • 박준렬 Jun Ryeol Park. 세종대학교 전자정보공학대학
  • 백성욱 Sung Wook Baik. 세종대학교 소프트웨어융합대학

참고문헌

자료제공 : 네이버학술정보

    함께 이용한 논문

      0개의 논문이 장바구니에 담겼습니다.