Bewegungs-Pose-Algorithmus
Unsere Abschlusspräsentation von Dezember 2020
Über Das Projekt
Als unser Abschlussprojekt für den Kurs Einführung in das maschinelle Lernen (CSCI470) im Herbst 2020 an der Colorado School of Mines hat unser Team, bestehend aus Andrew Darling, Eric Hayes und mir (Mehmet), den “Bewegungs-Pose”-Algorithmus implementiert.
Das Ziel war es, einen skelettalen Datensatz, der von einem Tiefensensor erfasst wurde, zu nehmen und menschliche Aktionen zu klassifizieren. Wir haben nicht nur den Kernalgorithmus implementiert, sondern auch eine einfache Benutzeroberfläche entwickelt, um seine Fähigkeiten zu demonstrieren.
Der Bewegungs-Pose-Algorithmus, ursprünglich vorgeschlagen von Mihai Zanfir, Marius Leordeanu und Cristian Sminchisescu, ist eine leistungsstarke Methode zur schnellen und genauen Erkennung und zum Verständnis menschlicher Aktionen aus 3D-skelettalen Daten.
Das Papier
Unsere Implementierung basiert auf dem Papier The Moving Pose: An Efficient 3D Kinematics Descriptor for Low-Latency Action Recognition and Detection (PDF) von Mihai Zanfir, Marius Leordeanu und Cristian Sminchisescu.
Datensatz
Unser Modell wurde auf dem MSR DailyActivity 3D Dataset trainiert und getestet. Wir konzentrierten uns auf die folgenden Aktionen aus dem Datensatz:
UI-Vorschau
Wir haben eine einfache GUI erstellt, um die Leistung des Algorithmus in Echtzeit zu visualisieren. Für weitere Details zur GUI und der verwendeten Hardware siehe bitte die README.md-Datei im Verzeichnis /movingpose/gui/ des Projekt-Repositorys.
