Bewegingshouding-algoritme

Onze eindpresentatie van december 2020

Over het project

Als ons eindproject voor de cursus Introductie tot Machine Learning (CSCI470) van de herfst van 2020 aan de Colorado School of Mines implementeerde ons team, bestaande uit Andrew Darling, Eric Hayes en ikzelf (Mehmet), het “Moving Pose”-algoritme.

Het doel was om een skeletdataset die was vastgelegd door een dieptesensor te nemen en menselijke handelingen te classificeren. We hebben niet alleen het kernalgoritme geïmplementeerd, maar ook een eenvoudige gebruikersinterface ontwikkeld om de mogelijkheden ervan te demonstreren.

Het Moving Pose-algoritme, oorspronkelijk voorgesteld door Mihai Zanfir, Marius Leordeanu en Cristian Sminchisescu, is een krachtige methode om menselijke handelingen snel en nauwkeurig te herkennen en te begrijpen op basis van 3D-skeletgegevens.

Het artikel

Onze implementatie is gebaseerd op het artikel The Moving Pose: An Efficient 3D Kinematics Descriptor for Low-Latency Action Recognition and Detection (PDF) van Mihai Zanfir, Marius Leordeanu en Cristian Sminchisescu.

Dataset

Ons model is getraind en getest op de MSR DailyActivity 3D Dataset. We hebben ons gericht op de volgende handelingen uit de dataset:

UI-voorbeeld

We hebben een eenvoudige GUI gebouwd om de prestaties van het algoritme in realtime te visualiseren. Zie voor meer details over de GUI en de gebruikte hardware het bestand README.md in de map /movingpose/gui/ van de repository van het project.