Algoritmo Moving Pose
Repository GitHub del progetto
La nostra presentazione finale di dicembre 2020
Informazioni sul progetto
Come nostro progetto finale per il corso Introduction to Machine Learning (CSCI470) dell’autunno 2020 presso il Colorado School of Mines, il nostro team, composto da Andrew Darling, Eric Hayes e me (Mehmet), ha implementato l’algoritmo “Moving Pose”.
L’obiettivo era prendere un dataset scheletrico catturato da un sensore di profondità e classificare azioni umane. Non solo abbiamo implementato l’algoritmo principale, ma abbiamo anche sviluppato una semplice interfaccia utente per dimostrare le sue capacità.
L’algoritmo Moving Pose, proposto originariamente da Mihai Zanfir, Marius Leordeanu e Cristian Sminchisescu, è un metodo potente per riconoscere e comprendere rapidamente e con precisione le azioni umane a partire da dati scheletrici 3D.
L’articolo
La nostra implementazione si basa sull’articolo The Moving Pose: un descrittore cinematico 3D efficiente per il riconoscimento e il rilevamento di azioni a bassa latenza (PDF) di Mihai Zanfir, Marius Leordeanu, e Cristian Sminchisescu.
Set di dati
Il nostro modello è stato addestrato e testato sul MSR DailyActivity 3D Dataset. Ci siamo concentrati sulle seguenti azioni del dataset:
Anteprima dell’interfaccia utente
Abbiamo creato una semplice interfaccia grafica (GUI) per visualizzare le prestazioni dell’algoritmo in tempo reale. Per maggiori dettagli sulla GUI e sull’hardware utilizzato, consultare il file README.md nella directory /movingpose/gui/ del repository del progetto.
