移动姿态算法
我们在2020年12月的最终演示
关于该项目
作为科罗拉多矿业学院2020年秋季机器学习导论（CSCI470）课程的最终项目，我们的团队由 Andrew Darling、Eric Hayes 和我（Mehmet）组成，实施了“移动姿态”算法。
我们的目标是利用深度传感器捕获的骨骼数据集来分类人类动作。我们不仅实现了核心算法，还开发了一个简单的用户界面来展示其功能。
移动姿态算法最初由 Mihai Zanfir、Marius Leordeanu 和 Cristian Sminchisescu 提出，是一种快速准确地从 3D 骨骼数据中识别和理解人类动作的强大方法。
论文
我们的实现基于论文 The Moving Pose: An Efficient 3D Kinematics Descriptor for Low-Latency Action Recognition and Detection (PDF) 由 Mihai Zanfir、Marius Leordeanu 和 Cristian Sminchisescu 撰写。
数据集
我们的模型在 MSR DailyActivity 3D Dataset 上进行了训练和测试。我们关注数据集中的以下动作：
用户界面预览
我们构建了一个简单的 GUI 来实时可视化算法的性能。有关 GUI 和所使用硬件的更多详细信息，请参见项目仓库中 /movingpose/gui/ 目录下的 README.md 文件。
