Pose em Movimento
Nossa apresentação final de dezembro de 2020
Sobre o Projeto
Como nosso projeto final para o curso de Outono 2020 Introdução ao Aprendizado de Máquina (CSCI470) na Colorado School of Mines, nossa equipe, composta por Andrew Darling, Eric Hayes e eu (Mehmet), implementou o algoritmo “Moving Pose”.
O objetivo era pegar um conjunto de dados esqueléticos capturado por um sensor de profundidade e classificar ações humanas. Não apenas implementamos o algoritmo central, mas também desenvolvemos uma interface de usuário simples para demonstrar suas capacidades.
O algoritmo Moving Pose, originalmente proposto por Mihai Zanfir, Marius Leordeanu e Cristian Sminchisescu, é um método poderoso para reconhecer e entender ações humanas de forma rápida e precisa a partir de dados esqueléticos 3D.
O Artigo
Nossa implementação baseia‑se no artigo The Moving Pose: An Efficient 3D Kinematics Descriptor for Low-Latency Action Recognition and Detection (PDF) por Mihai Zanfir, Marius Leordeanu e Cristian Sminchisescu.
Conjunto de Dados
Nosso modelo foi treinado e testado no MSR DailyActivity 3D Dataset. Nos concentramos nas seguintes ações do conjunto de dados:
Prévia da UI
Construímos uma GUI simples para visualizar o desempenho do algoritmo em tempo real. Para mais detalhes sobre a GUI e o hardware usado, consulte o arquivo README.md no diretório /movingpose/gui/ do repositório do projeto.
