Analyzing Video Sequences of Multiple Humans: Tracking, Posture Estimation and Behavior Recognition

تجزیه و تحلیل توالی‌های ویدیویی انسان‌های متعدد: ردیابی، تخمین وضعیت بدن و تشخیص رفتار برخی از روش‌های مبتنی بر بینایی رایانه‌ای را توصیف می‌کند که توالی‌های ویدیویی انسان‌ها را تجزیه و تحلیل می‌کنند. به طور خاص، روش‌هایی برای ردیابی چندین انسان در یک صحنه، تخمین وضعیت بدن انسان به صورت سه بعدی در زمان واقعی، و تشخیص رفتار یک فرد (ژست‌ها یا فعالیت‌ها) مورد بحث قرار می‌گیرد. برای الگوریتم ردیابی، نویسندگان یک روش غیر همزمان ایجاد کردند که چندین نفر را با بهره‌برداری از یک فیلتر کالمن که روی چندین توالی ویدیو اعمال می‌شود، ردیابی می‌کند. برای تخمین وضعیت‌ها، الگوریتمی ارائه شده است که نقاط مهمی را که وضعیت بدن انسان را تعیین می‌کنند، به صورت سه بعدی در زمان واقعی تعیین می‌کند. فعالیت‌های انسانی از طریق یک توالی ویدیویی با روش مبتنی بر HMM (مدل‌های مارکوف پنهان) که نویسندگان پیشگام بودند، شناسایی می‌شوند. اثربخشی سه روش با نتایج تجربی نشان داده شده است.

Analyzing Video Sequences of Multiple Humans: Tracking, Posture Estimation and Behavior Recognition describes some computer vision-based methods that analyze video sequences of humans. More specifically, methods for tracking multiple humans in a scene, estimating postures of a human body in 3D in real-time, and recognizing a person's behavior (gestures or activities) are discussed. For the tracking algorithm, the authors developed a non-synchronous method that tracks multiple persons by exploiting a Kalman filter that is applied to multiple video sequences. For estimating postures, an algorithm is presented that locates the significant points which determine postures of a human body, in 3D in real-time. Human activities are recognized from a video sequence by the HMM (Hidden Markov Models)-based method that the authors pioneered. The effectiveness of the three methods is shown by experimental results.