Bewegende Pose

GitHub-Repo des Projekts

Unsere Präsentation (Dezember 2020)

Mitglieder:

  • Andrew Darling
  • Eric Hayes
  • Mehmet Yilmaz

Über:

Dieses Projekt ist unsere Implementierung des Moving Pose-Algorithmus, der von Mihai Zanfir, Marius Leordeanu und Cristian Sminchisescu in ihrem paper vorgeschlagen wurde. Der Algorithmus wird verwendet, um menschliche Aktionen schnell und genau zu erkennen und zu verstehen, indem “Skelett”-Daten von einem Tiefensensor genutzt werden.

Hinweise:

  • Angesichts eines auf Skeletten basierenden Datensatzes, der von einem Tiefensensor gesammelt wurde, besteht das Ziel darin, bestimmte menschliche Aktionen mithilfe des Moving Pose-Algorithmus zu klassifizieren und eine einfache Benutzeroberfläche bereitzustellen.
  • Um dieses Ziel zu erreichen, haben wir den Moving Pose-Algorithmus aus dem unten genannten Papier und die unten genannte Datenbank implementiert.
  • Dies ist unser Abschlussprojekt für das Herbstsemester 2020 im Kurs CSCI470 (Einführung in Maschinelles Lernen). CSCI470 ist ein Grundstudienkurs an der Colorado School of Mines. Unser Teamname war: Nestlé.
  • Bitte sehen Sie sich /movingpose/gui/README.md an, um mehr über die GUI und die verwendete(n) Hardware zu erfahren.

Implementiertes Papier:

  • Titel: Die bewegende Pose: Ein effizienter 3D‑Kinematik‑Deskriptor für latenzarme Aktions‑Erkennung und -Detektion
  • Autoren: Mihai Zanfir, Marius Leordeanu, & Cristian Sminchisescu.
  • Papier: Datensatz_Quelle

Verwendeter Datensatz:

  • Wir haben den MSR DailyActivity 3D Datensatz verwendet: Datensatz_Quelle
  • Multiview Action 3D Datensatz Aktions-IDs: 3

UI-Vorschau: