人体动作识别

使用Matlab对数组和字符串进行处理，用于静态背景条件下的人体动作识别研究。

名词术语一、基本名词

该程序算法思想实现了基于视频的人体识别与跟踪，适用于安防监控产品的开发。

该存储库展示了使用视频动作识别的时间表示方法，通过集成C代码在MATLAB中实现。方法利用预训练的大规模图像数据网络进行特征提取，并结合金字塔池时间序列来捕获短期和长期特征。此外，还提出了一种简单的视频级表示方法，通过时间分割解决了长视频的信息丢失问题。实验结果表明，该方法在第一人称和第三人称动作识别中表现出良好的性能。

视频图matlab代码主页：论文“基于全局时间表示的CNN用于红外动作识别”的代码抽象。红外人体动作识别具有多种优势，对光照、外观和阴影变化不敏感。现有方法虽有基于空间或局部时间信息，未考虑全局时间信息对视频中身体运动的更佳描述。本研究提出光流堆叠差异图像（OFSDI）作为新的全局时间表示形式，综合局部、全局和空间时间信息，从红外动作数据中提取鲁棒且判别性强的特征。利用局部、空间和全局时间流应用CNN获取有效的卷积特征图，并通过轨迹约束池聚合为三流轨迹合并的深度卷积描述符（TSTDD）。采用局域约束线性编码（LLC）方法提高特征鲁棒性，并通过线性SVM对动作数据进行分类。实验在红外动作识别数据集InfAR和NTU RGB + D上验证了该方法的优越性。

这个项目是我独立完成的，功能完备，非常适合大学生学习和应对数字图像处理课程设计、大作业和毕业设计等。欢迎下载并进行交流，共同学习，共同进步！

精选的关于弱监督时间动作本地化的出版物列表，帮助研究者在这一领域导航。此存储库仅包含接受的会议论文，以确保可靠性和更新性。最近更新日期为2021年5月3日。性能指标报告了在不同IoU阈值下的平均精确度（mAP），涵盖了THUMOS14和ActivityNet的不同版本。链接指向实现框架的规范。

该软件包包含P-CNN算法的Matlab实现，基于姿势的CNN功能用于动作识别。它集成了预训练的vgg-f外观模型和流模型的Matlab版本，以及Brox光流实现。CNN实现依赖MatConvNet库，在CPU模式下编译。为了提升计算速度，建议启用GPU支持。您可以通过修改提供的my_build.m文件来定制编译设置。演示示例展示了在JHMDB数据集上运行P-CNN的效果。 reproduce_ICCV15_results命令可再现P-CNN的性能。

OpenPose 是一个实时人体关键点检测系统，可检测人体、手部和面部关键点（共 130 个）。先决条件：安装 CUDA、cuDNN、CMake GUI、protobuf 编译器。创建 Conda 环境，并安装 OpenCV、protobuf。克隆 OpenPose 存储库，并使用 Caffe 构建。

本仓库包含与论文“利用主动学习和条件互信息以最大程度减少人类活动识别中的数据注释”相关的MATLAB代码，特别适用于数据集的交叉验证分区。采用了基于池的信息丰富和多样化的采样方法，使得处理大型数据集（如ExtraSensory）更加高效。