
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Belluzzo, Bruno | - |
| Autor(es): dc.creator | Marana, Aparecido Nilceu | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T19:45:01Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T19:45:01Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2021-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-031-21689-3_6 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/249520 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/249520 | - |
| Descrição: dc.description | With the growing capacity of current technologies to store and process data at extremely fast speed, video processing and its diverse applications have been studied and several researches have emerged using videos as objects of study. One of them is human action recognition, which seeks to identify in a given video what actions the people present in it are performing, whether for recreational purposes or for monitoring public places for people’s safety. Being able to extract the necessary characteristics to perform the action classification is a complex task, because, unlike traditional image classification problems, the recognition of human actions requires that the solution works with spatio-temporal characteristics, which represent a pattern of movements performed by the person in both the spatial and temporal aspects along the frames that make up the action. One way to generate information that describes human movement is to identify the skeleton joints and limbs and use them to perform the classification, and the extraction of this data can be done by using 2D pose estimation algorithms, capable of tracking parts of the human body and returning their coordinates. This paper proposes a method for human action recognition that uses skeleton joints and limb information as features and a CNN together with an LSTM network for classification. The method was assessed on a public dataset (Weizmann dataset) and obtained superior recognition rates when compared to other action recognition methods of literature. | - |
| Descrição: dc.description | Faculty of Sciences UNESP - São Paulo State University, SP | - |
| Descrição: dc.description | Faculty of Sciences UNESP - São Paulo State University, SP | - |
| Formato: dc.format | 71-83 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | 2D pose | - |
| Palavras-chave: dc.subject | CNN | - |
| Palavras-chave: dc.subject | Human action recognition | - |
| Palavras-chave: dc.subject | Human pose estimation | - |
| Palavras-chave: dc.subject | LSTM | - |
| Título: dc.title | Human Action Recognition Based on 2D Poses and Skeleton Joints | - |
| Tipo de arquivo: dc.type | aula digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: