Motion Images: An Effective Representation of Motion Capture Data for Similarity Search

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>

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.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

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)

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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

—