Human activity recognition can also

Human activity recognition can also be used to recognize entertainment activities, such as
sport [3–5,7], dance [2,51] and gaming [10,15,39], in order to enrich lifestyles. Various video-based
entertainment activity recognition systems have been proposed.
For the purpose of recognizing sportive activities, Yamato et al. [4] might well be pioneers in
applying HMMs to recognize the time-sequential images of tennis scenes, including six tennis strokes
such as forehand stroke, backhand stroke, forehand volley, backhand volley, smash and serving. In [7],
Luo et al. developed an object-based method for video analysis and interpretation of sports video
sequences. The sport behaviors are effectively recognized by using DBNs, which can generate a
hierarchical description for video events, including bowling, downhill skiing, golf swing, pitching, and
ski jumps recorded from real scenarios, with cluttered background and moving cameras. Ke et al. [3]
exploit the use of volumetric features for the recognition of actions such as serve, run right and return
serve actions in the tennis sequences when combined with flow-based correlation techniques. By using
an extended behavior-based similarity measure, Shechtman and Irani [51] were successful in detecting

Kết quả (Việt) 1:

Công nhận hoạt động của con người cũng có thể được sử dụng để nhận ra các hoạt động vui chơi giải trí, chẳng hạn như thể thao [3-5,7], dance [2,51] và chơi game [10,15,39], để làm phong phú thêm lối sống. Khác nhau dựa trên video Hệ thống nhận dạng hoạt động giải trí đã được đề xuất. Cho các mục đích của nhận thức các hoạt động thể thao, Yamato et al. [4] cũng có thể là người tiên phong trong áp dụng các HMMs để nhận ra những hình ảnh trình tự thời gian của những cảnh bóng, bao gồm sáu bóng đột quỵ chẳng hạn như bộ phận trước đột quỵ, backhand đột quỵ, bộ phận trước bóng chuyền, bóng trái tay, smash và phục vụ. [7], Luo và ctv phát triển một phương pháp dựa trên đối tượng cho các video phân tích và giải thích các môn thể thao video trình tự. Những hành vi thể thao được công nhận một cách hiệu quả bằng cách sử dụng DBNs, có thể tạo ra một Mô tả phân cấp cho video các sự kiện, bao gồm cả bowling, xuống dốc trượt tuyết, golf swing, bày, và nhảy Ski ghi nhận từ các tình huống thực tế, với nền lộn xộn và di chuyển máy ảnh. Ke et al. [3] khai thác sử dụng thể tích đặc điểm cho sự công nhận của những hành động như phục vụ, chạy ngay và trở về phục vụ cho những hành động trong chuỗi quần vợt khi kết hợp với kỹ thuật dựa trên dòng chảy tương quan. Bằng cách sử dụng một biện pháp mở rộng dựa trên hành vi tương tự, Shechtman và Irani [51] đã thành công trong việc phát hiện

Kết quả (Việt) 2:

Nhận dạng hoạt động của con người cũng có thể được sử dụng để nhận ra các hoạt động vui chơi giải trí, chẳng hạn như
thể thao [3-5,7], múa [2,51] và chơi game [10,15,39], để làm phong phú phong cách sống. Video khác nhau dựa trên
các hệ thống nhận dạng hoạt động vui chơi giải trí đã được đề xuất.
Với mục đích công nhận các hoạt động thể thao, Yamato et al. [4] cũng có thể là người đi tiên phong trong
việc áp dụng HMMs để nhận ra những hình ảnh thời gian tuần tự của cảnh tennis, bao gồm sáu đột quỵ quần vợt
như đột quỵ thuận tay, trái tay đột quỵ, bóng thuận tay, trái tay volley, smash và phục vụ. Trong [7],
Luo et al. đã phát triển một phương pháp dựa trên đối tượng để phân tích video và diễn giải của video thể thao
chuỗi. Các hành vi thể thao được công nhận có hiệu quả bằng cách sử dụng DBNs, mà có thể tạo ra một
mô tả phân cấp cho các sự kiện video, bao gồm bowling, trượt tuyết đổ đèo, swing golf, ném bóng và
nhảy trượt tuyết ghi lại từ kịch bản thực tế, với nền lộn xộn và máy ảnh chuyển động. Ke et al. [3]
khai thác sử dụng các tính năng tích cho việc công nhận các hành động như phục vụ, chạy quyền và trở về
phục vụ các hoạt động trong chuỗi quần vợt khi kết hợp với các kỹ thuật tương quan dòng chảy dựa trên. Bằng cách sử dụng
một biện pháp tương tự dựa trên hành vi mở rộng, Shechtman và Irani [51] đã thành công trong việc phát hiện