[Action Recognition] Activity Classification Approaches

 

참고자료 1 : Bux, Allah, Plamen Angelov, and Zulfiqar Habib. "Vision based human activity recognition: a review." Advances in Computational Intelligence Systems. Springer International Publishing, 2017. 341-371.

참고자료 2 :  http://blog.naver.com/purity713/220900741260

Generative model vs Discriminative model

참고자료 3 :  https://en.wikipedia.org/wiki/Generative_model

Generative model - Wikipedia

 

 

Human Activity Recognition 에 관련된 최근 Survey paper를 읽으면서 모르는 개념이 나올 때마다 먹이사슬마냥 공부를 하고있다. 마치 마인드 맵 만드는 것 마냥... 본질에 대해서 다시 한참 올라가려면 이 subnet 들을 파헤쳐야 본질을 깨달을 수 있을 것 같다. 

 

그래서 또 배우다가 알게 된 개념을 적어보려 한다.

 

HAR 분야에서는 첫 단계로 인간의 행위를 "인식" 하고 "분류"하는 과정으로 나눌 수 있다. 인간의 행위를 인식하는 과정을 거친 뒤, 적절한 라벨링을 하여 그 행동이 무엇인지 분류를 해야한다. 예컨대 "walking", "running" 등 

 

결국, Activity Classification Approach 에서 Classification algorithm을 통하여 마지막 결과에서는 각 activity label이 붙게 된다. 

 

그러므로 행위를 분류하는 기법들은 크게 세 가지 모델에 기반하여 나눌 수 있다. 이는 참고자료에 명시되어있는 논문에 나온 내용을 기반으로 정리를 하였다. 

 

 

 

1. Template-based approach

 

이는 심플하지만, Computational expensive 하다. 

 

 

 

2. Generative model (생성모델)

 

데이터 x와 그 데이터들의 클래스 y가 input으로 주어졌을 때, Generative model은 먼저 입력 x와 레이블 y의 조인트 확률 P(x|y)의 모델을 학습하면 P(y|x) 를 Bayes rule을 이용하여 계산하고, 마지막으로 알고리즘에서 가장 가능성있는 레이블 y를 선택한다.

 

클래스 (y)에 해당하는 데이터 (x)의 분포를 모델링하기 때문에 샘플 데이터를 생성할 수 있다. 

 

Generative model의 예로는 Gaussian mixture model, Hidden Markov model, Dynamic Bayesian Network 등이 있다. 

 

 

 

3. Discriminative model (판별모델)

 

Generative model 과는 달리, Discriminative model은 P(y|x)를 바로 학습하기 때문에 이 값을 바로 사용해 class를 Classify 하는 것이다. 즉, 새로 들어온 input에 대해 모든 class들의 posterior를 계산하여 가장 확률이 높은 Class로 결정하는 것이다. 

 

Discriminative model의 예로는 Support Vector Machine, Neural networks, Relevance Vector Machine 등이 있다.