Pose en Mouvement
Notre présentation (décembre 2020)
Membres:
- Andrew Darling
- Eric Hayes
- Mehmet Yilmaz
À propos:
Ce projet est notre implémentation de l’algorithme Moving Pose qui a été proposé par Mihai Zanfir, Marius Leordeanu et Cristian Sminchisescu dans leur article. L’algorithme est utilisé pour reconnaître et comprendre les actions humaines rapidement et avec précision en utilisant les données de «squelette» d’un capteur de profondeur.
Remarques:
- Étant donné un jeu de données basé sur des squelettes collecté à partir d’un capteur de profondeur, l’objectif est de classer certaines actions humaines en utilisant l’algorithme Moving Pose ainsi que de fournir une interface utilisateur simple.
- Pour atteindre cet objectif, nous avons implémenté l’algorithme Moving Pose à partir de l’article indiqué ci-dessous et de la base de données indiquée ci-dessous.
- Il s’agit de notre projet final d’automne 2020 CSCI470 (Introduction à l’apprentissage automatique). CSCI470 est un cours de premier cycle offert à la Colorado School of Mines. Le nom de notre équipe était : Nestlé.
- Veuillez consulter /movingpose/gui/README.md pour en savoir plus sur l’interface graphique et le(s) matériel(s) utilisé(s).
Article implémenté:
- Titre: The Moving Pose : Un descripteur cinématique 3D efficace pour la reconnaissance et la détection d’actions à faible latence
- Auteurs: Mihai Zanfir, Marius Leordeanu, & Cristian Sminchisescu.
- Article: Zanfir_The_Moving_Pose_2013_ICCV_paper.pdf
Jeu de données utilisé:
- Nous avons utilisé le jeu de données MSR DailyActivity 3D : Source_JeuDeDonnées
- Identifiants d’actions du jeu de données Multiview Action 3D :
Aperçu de l’interface:
