Motion Images: An Effective Representation of Motion Capture Data for Similarity Search
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F15%3A00080885" target="_blank" >RIV/00216224:14330/15:00080885 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-25087-8_24" target="_blank" >http://dx.doi.org/10.1007/978-3-319-25087-8_24</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-25087-8_24" target="_blank" >10.1007/978-3-319-25087-8_24</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Motion Images: An Effective Representation of Motion Capture Data for Similarity Search
Popis výsledku v původním jazyce
The rapid development of motion capturing technologies has caused a massive usage of human motion data in a variety of fields, such as computer animation, gaming industry, medicine, sports and security. These technologies produce large volumes of complexspatio-temporal data which need to be effectively compared on the basis of similarity. In contrast to a traditional way of extracting numerical features, we propose a new idea to transform complex motion data into RGB images and compare them by content-based image retrieval methods. We see transformed RGB images as suitable application-independent features for their ability to preserve key aspects of performed motions. To demonstrate the usability of this idea, we evaluate a preliminary experiment thatclassifies 1,034 motions into 14 categories with the 87.4% precision.
Název v anglickém jazyce
Motion Images: An Effective Representation of Motion Capture Data for Similarity Search
Popis výsledku anglicky
The rapid development of motion capturing technologies has caused a massive usage of human motion data in a variety of fields, such as computer animation, gaming industry, medicine, sports and security. These technologies produce large volumes of complexspatio-temporal data which need to be effectively compared on the basis of similarity. In contrast to a traditional way of extracting numerical features, we propose a new idea to transform complex motion data into RGB images and compare them by content-based image retrieval methods. We see transformed RGB images as suitable application-independent features for their ability to preserve key aspects of performed motions. To demonstrate the usability of this idea, we evaluate a preliminary experiment thatclassifies 1,034 motions into 14 categories with the 87.4% precision.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of 8th International Conference on Similarity Search and Applications (SISAP 2015), LNCS 9371
ISBN
9783319250861
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
6
Strana od-do
250-255
Název nakladatele
Springer
Místo vydání
Switzerland
Místo konání akce
Glasgow, Scotland, UK
Datum konání akce
1. 1. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—