Algorytm Moving Pose
Nasza końcowa prezentacja z grudnia 2020 roku
O projekcie
Jako nasz projekt końcowy na kursie Wprowadzenie do uczenia maszynowego (CSCI470) jesienią 2020 roku w Colorado School of Mines, nasz zespół, składający się z Andrew Darlinga, Erica Hayesa i mnie (Mehmeta), zaimplementował algorytm „Moving Pose”.
Celem było wzięcie zbioru danych szkieletowych zarejestrowanych przez czujnik głębi i sklasyfikowanie ludzkich działań. Nie tylko zaimplementowaliśmy podstawowy algorytm, ale także opracowaliśmy prosty interfejs użytkownika, aby zademonstrować jego możliwości.
Algorytm Moving Pose, pierwotnie zaproponowany przez Mihai Zanfira, Mariusa Leordeanu i Cristiana Sminchisescu, to potężna metoda szybkiego i dokładnego rozpoznawania oraz rozumienia ludzkich działań na podstawie trójwymiarowych danych szkieletowych.
Artykuł
Nasza implementacja opiera się na artykule The Moving Pose: An Efficient 3D Kinematics Descriptor for Low-Latency Action Recognition and Detection (PDF) autorstwa Mihai Zanfira, Mariusia Leordeanu i Cristiana Sminchisescu.
Zbiór danych
Nasz model był trenowany i testowany na zbiorze danych MSR DailyActivity 3D. Skupiliśmy się na następujących działaniach z tego zbioru danych:
Podgląd interfejsu użytkownika
Zbudowaliśmy prosty GUI, aby wizualizować działanie algorytmu w czasie rzeczywistym. Aby uzyskać więcej informacji o GUI i użytym sprzęcie, zobacz plik README.md w katalogu /movingpose/gui/ repozytorium projektu.
