ਮੂਵਿੰਗ ਪੋਜ਼ ਐਲਗੋਰਿਦਮ
ਦਸੰਬਰ 2020 ਤੋਂ ਸਾਡੀ ਆਖਰੀ ਪ੍ਰਸਤੁਤੀ
ਪ੍ਰੋਜੈਕਟ ਬਾਰੇ
ਸਾਡੇ Colorado School of Mines ਵਿੱਚ ਫਾਲ 2020 ਦੇ ‘ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਪਰਿਚਯ (CSCI470)’ ਕੋਰਸ ਲਈ ਆਖਰੀ ਪ੍ਰੋਜੈਕਟ ਵਜੋਂ, ਸਾਡੀ ਟੀਮ, ਜਿਸ ਵਿੱਚ Andrew Darling, Eric Hayes, ਅਤੇ ਮੈਂ (Mehmet) ਸ਼ਾਮਲ ਹਾਂ, ਨੇ “ਮੂਵਿੰਗ ਪੋਜ਼” ਐਲਗੋਰਿਦਮ ਨੂੰ ਲਾਗੂ ਕੀਤਾ।
ਉਦੇਸ਼ ਇਹ ਸੀ ਕਿ ਡੈੱਥ ਸੈਂਸਰ ਨਾਲ ਕੈਪਚਰ ਕੀਤਾ ਗਿਆ ਅਸਥਿ-ਅਧਾਰਿਤ ਡਾਟਾਸੈੱਟ ਲੈ ਕੇ ਮਨੁੱਖੀ ਕਾਰਵਾਈਆਂ ਦੀ ਵਰਗੀਕਰਨ ਕੀਤੀ ਜਾਵੇ। ਅਸੀਂ ਸਿਰਫ ਕੋਰ ਐਲਗੋਰਿਦਮ ਨੂੰ ਲਾਗੂ ਹੀ ਨਹੀਂ ਕੀਤਾ ਬਲਕਿ ਇਸ ਦੀ ਸਮਰੱਥਾ ਦਿਖਾਉਣ ਲਈ ਇੱਕ ਸਧਾਰਣ ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ ਵੀ ਵਿਕਸਿਤ ਕੀਤਾ।
ਮੂਵਿੰਗ ਪੋਜ਼ ਐਲਗੋਰਿਦਮ, ਜਿਸ ਨੂੰ ਮੂਲ ਰੂਪ ਵਿੱਚ Mihai Zanfir, Marius Leordeanu, ਅਤੇ Cristian Sminchisescu ਵੱਲੋਂ ਪ੍ਰਸਤਾਵਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, 3D ਅਸਥਿ-ਅਧਾਰਿਤ ਡਾਟਾ ਤੋਂ ਮਨੁੱਖੀ ਕਾਰਵਾਈਆਂ ਨੂੰ ਤੇਜ਼ ਅਤੇ ਸਹੀ ਤਰੀਕੇ ਨਾਲ ਪਛਾਣਨ ਅਤੇ ਸਮਝਣ ਦਾ ਇੱਕ ਸ਼ਕਤਿਸ਼ਾਲੀ ਢੰਗ ਹੈ।
ਪੇਪਰ
ਸਾਡੀ ਲਾਗੂਕੀਰਨ ਉਸ ਪੇਪਰ ਮੂਵਿੰਗ ਪੋਜ਼: ਲੋ-ਲੇਟੈਂਸੀ ਐਕਸ਼ਨ ਪਛਾਣ ਅਤੇ ਡਿਟੈਕਸ਼ਨ ਲਈ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ 3D ਕਾਈਨੇਮੈਟਿਕਸ ਡਿਸਕ੍ਰਿਪਟਰ (ਪੀਡੀਐਫ) ‘ਤੇ ਆਧਾਰਿਤ ਹੈ: Mihai Zanfir, Marius Leordeanu, ਅਤੇ Cristian Sminchisescu।
ਡਾਟਾਸੈੱਟ
ਸਾਡਾ ਮਾਡਲ MSR DailyActivity 3D ਡਾਟਾਸੈੱਟ ‘ਤੇ ਟ੍ਰੇਨ ਅਤੇ ਟੈਸਟ ਕੀਤਾ ਗਿਆ ਸੀ। ਅਸੀਂ ਡਾਟਾਸੈੱਟ ਵਿੱਚੋਂ ਹੇਠ ਲਿਖੀਆਂ ਕਾਰਵਾਈਆਂ ‘ਤੇ ਕੇਂਦ੍ਰਿਤ ਰਹੇ:
ਯੂਆਈ ਪ੍ਰੀਵਿਊ
ਅਸੀਂ ਐਲਗੋਰਿਦਮ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਵਿਜ਼ੂਅਲਾਈਜ਼ ਕਰਨ ਲਈ ਇੱਕ ਸਧਾਰਣ GUI ਬਣਾਇਆ। GUI ਅਤੇ ਵਰਤੇ ਗਏ ਹਾਰਡਵੇਅਰ ਬਾਰੇ ਵਧੇਰੇ ਜਾਣਕਾਰੀ ਲਈ, ਕ੍ਰਿਪਾ ਕਰਕੇ ਪ੍ਰੋਜੈਕਟ ਦੇ ਰਿਪੋਜ਼ਿਟਰੀ ਵਿੱਚ /movingpose/gui/ ਡਾਇਰੈਕਟਰੀ ਦੀ README.md ਫਾਈਲ ਦੇਖੋ।
