Human actions recognition system based on neural networks

Abstract

La clasificación de actividades humanas en videos es un área de estudio relevante debido a sus aplicaciones en la vida real, como vigilancia, seguridad, asistencia sanitaria, interacción hombre-máquina y monitoreo. Esta investigación compara dos enfoques, el simple y el híbrido, en la clasificación de actividades utilizando dos conjuntos de datos. El primer conjunto incluye tres clases: yoga, ejercicio y baile; el segundo es una muestra del conjunto Kinetics-700, con cinco actividades, cuatro violentas. Ambos conjuntos presentan baja variabilidad entre clases y alta variabilidad dentro de las clases. Para reducir costos computacionales, se emplea un modelo de CNN preentrenado y técnicas simples para la reducción de recursos computacionales. El enfoque híbrido utiliza un modelo adicional con tres variantes: GRU, LSTM o BiLSTM. A pesar de que todos los modelos presentaron resultados similares, el enfoque simple, empleando una arquitectura preentrenada y un top-head reconstruido, demostró ser el más efectivo al alcanzar una precisión del 94%, mientras que el enfoque híbrido que utilizó capas LSTM obtuvo un 90%. La principal limitación es la cantidad de memoria requerida por estos modelos debido al tamaño de los archivos de video. La exploración de técnicas más avanzadas para reducir el uso de recursos computacionales podría permitir la implementación de estos modelos en entornos del mundo real. Además, el modelo demostró una clasificación efectiva de actividades violentas, lo que podría servir como base para el desarrollo de un sistema de vigilancia y seguridad.