May, 2019

NTU RGB+D 120：一个用于 3D 人体活动理解的大规模基准测试数据集

PDF
TL;DR本论文介绍了一个大规模数据集，用于 RGB+D 人体动作识别。研究显示，应用深度学习技术的 3D 人体动作识别方法更加优越，并提出了新的 APSR 解决方案，可以有效地识别新的动作类型。
depth-based human activity analysis3d representationrgb+d-based action recognitionlarge-scale datasetdeep learning methods
发现论文，激发创造
  • NTU RGB+D：一个用于 3D 人类活动分析的大规模数据集

    本文介绍了一个包含超过 56,000 个视频样本和 4 百万帧的大规模 RGB + D 人体动作识别数据集，其中包括 60 种不同的行为类别，并提出了一种新的循环神经网络结构来更好地对每个身体部位的特征进行长期时间相关性建模。实验结果表明，在跨主体和跨视图评估标准上，应用深度学习方法比最先进的手工制作特征具有优势。

    Apr, 2016

  • 基于 RGB-D 的动作识别数据集：调查

    本文系统回顾了人类动作识别中使用的 RGB-D 数据集，包括单视图、多视图和多人数据集，并分析了这些数据集的详细信息。此外，还讨论了当前算法评估中存在的问题，提出了收集新数据集和使用评估协议的建议。

    Jan, 2016

  • 面向任意视角人体动作识别的大规模多视角 RGB-D 动作数据集

    本文介绍了一个新的大规模 RGB-D 数据集，其中包括固定视角和全方位视角下的 40 种行动，以及 VS-CNN 模型的提出和有效性验证，该模型可用于解决任意视角下行动识别的问题。

    Apr, 2019

  • 可重构卷积神经网络实现的三维人体活动识别

    本文提出了一种基于 RGB-D 视频的自动活动识别的深度模型，使用 3D 卷积和最大池化算子，结合激活函数以及学习出活动的时间结构，该模型可以直接作用在原始输入上进行活动分类，而且还允许动态调整模型结构以适应人类活动的时间变化，并在挑战性场景下验证了该方法的优越性，同时还给出了一个大型的 RGB-D 视频人类活动数据库。

    Jan, 2015

  • 基于 RGB-D 和深度学习的人体动作识别：一项综述

    本文综述了近年来在 RGB-D 基础上的人体运动识别中，采用深度学习方法中卷积神经网络和循环神经网络的应用，通过四类方法（基于 RGB、基于深度、基于骨骼、基于 RGB+D）来探讨现有技术的优缺点，特别是强调了应用于视频序列固有的时空结构信息的编码方法，以及未来的研究方向。

    Oct, 2017

  • RGBD 图像中的非结构化人类活动检测

    使用 RGBD 传感器和最大熵隐马尔科夫模型识别人类活动，通过层次化建模的方法，将活动分解为多个子活动，实验结果表明在不同环境下能够识别出 12 种不同的人类活动。

    Jul, 2011

  • ETRI-Activity3D：一個大型 RGB-D 數據集，供機器人識別老年人的日常活動使用

    介绍了一个名为 ETRI-Activity3D 的新数据集，关注老年人在机器人监视下的日常活动，同时提出一种名为 FSA-CNN 的新型网络用于处理多模态数据，并在实验证明了其在 NTU RGB+D 和 ETRI-Activity3D 上的优越性。

    Mar, 2020

  • 有限标记数据下基于 RGB 视频流的鲁棒人体活动识别

    该研究提出了一种基于 RGB 视频的人体活动识别深度学习模型，配合骨架数据以及算法技术（如数据增强，动态帧随机失活和梯度注入）来训练模型，实验结果表明该模型能够超越现有采用 RGB-D 视频流所采用的解决方案。

    Dec, 2018

  • 从合成数据中学习人体姿势模型以实现鲁棒的 RGB-D 动作识别

    我们提出了一种人体姿态模型，可表示与服装纹理、背景、光线条件、身体形状和摄像机视点无关的 RGB 和深度图像。通过开发一个综合训练数据的框架，我们学习了 CNN 模型并使用它们从真正的 RGB 和深度帧的人体动作视频中提取不变特征。在三个基准跨视图人体动作数据集的实验中，我们的算法在 RGB 和 RGB-D 动作识别方面明显优于现有方法。

    Jul, 2017

  • TS-RGBD 数据集：面向视觉障碍人士的剧场场景描述的新型数据集

    在这篇论文中，我们提出了一个包含具有人类动作的真实场景和密集标题注释的新型 RGB-D 数据集（TS-RGBD 数据集），以进行影像字幕和人类动作识别。我们测试了图像字幕模型和基于骨骼的人类动作识别模型，以通过检测人类动作并对剧场场景中感兴趣区域的外观进行文本描述，拓展了视障人士所在环境类型的范围。

    Aug, 2023