Abstract: M. Körner, J. Denzler (2013)

We present a general data-driven method for multi-view action recognition relying on the appearance of dynamic systems captured from different viewpoints. Thus, we do not depend on 3d reconstruction, foreground segmentation, or accurate detections. We extend further earlier approaches based on Temporal Self-Similarity Maps by new low-level image features and similarity measures. Gaussian Process classification in combination with Histogram Intersection Kernels serve as powerful tools in our approach. Experiments performed on our new combined multi-view dataset as well as on the widely used IXMAS dataset show promising and competing results.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Temporal Self-Similarity for Appearance-Based Action Recognition in Multi-View Setups