Jul, 2023

融合手部和身体骨架进行装配中的人体动作识别

PDF
TL;DR提出了一种结合较少详细的人体骨骼和高度详细的手部骨骼，通过使用注意力从两种骨骼类型中提取和组合重要信息的方法，以增强装配场景中的动作识别效果。
collaborative robotshuman-robot collaborationskeleton-based approachesassembly actionsaction recognition
发现论文，激发创造
  • 物体信息如何提高基于骨架的人体动作识别在装配任务中的表现

    本文探讨了如何将目标物体信息融入基于骨架的行为识别，以提高人员 - 机器人协作的效率和智能化水平，并在 IKEA ASM 数据集的实验中证明了该方法能够提高目前先进方法的性能。

    Jun, 2023

  • 基于卷积神经网络的基于骨架的人体动作识别

    本文探讨了基于骨架的动作识别在人类动作识别数据集方面的优势，以及深度学习算法在该领域中的应用。同时，研究表明，通过适当的训练技巧、数据增强和优化器，卷积神经网络可以达到与图神经网络相媲美的效果。实验在 NTU-60 数据集上取得了 95% 的准确度。

    Jan, 2023

  • 在工业装配线上利用基础模型自动数据增强策略和骨骼点进行手部动作识别

    在现代工业装配线上，研发了许多智能算法来取代或监督工人。然而，我们发现在实际装配线上部署算法时，训练数据集和实时性能存在瓶颈。因此，我们开发了一种有前景的策略，利用具有强大泛化能力的大型模型来实现高效、高质量和大规模的数据集扩充，解决了工业数据集不足和质量低的问题。我们还将该策略应用于视频动作识别领域，提出了一种将手部动作识别问题转化为手部骨骼轨迹分类问题的方法，解决了工业算法的实时性能问题。在实际装配线上的 “线材插入过程中的手部动作” 场景下，手部动作识别的准确率达到了 98.8%。我们进行了详细的实验分析，展示了该方法的有效性和优越性，并在美的实际装配线上部署了整个过程。

    Mar, 2024

  • 基于卷积神经网络的基础动作识别

    本文提出了一种基于卷积神经网络的框架用于骨骼动作识别，通过自动选择重要的骨骼节点和提取时间段提案进行动作分类和检测， 在 NTU RGB + D 数据集上获得了 89.3％的验证准确性和 93.7％的 mAP。

    Apr, 2017

  • 基于骨骼的动作识别再探讨

    本文提出了基于 3D 热力图堆叠的 PoseC3D 方法，相较于基于图卷积网络的方法，能够更有效地学习时空特征、更具鲁棒性，并且适用于多人场景，同时在处理过程中也更加易于与其它视觉模态进行结合。在四个具有挑战性的数据集中，PoseC3D 方法均取得了卓越表现。

    Apr, 2021

  • 基于群体骨架的复杂事件中的人类行为识别

    本文介绍了基于多人骨骼的人类动作识别的新方法，利用多尺度时空图卷积网络提取骨骼特征，用多层感知器嵌入参考人和其他人之间的距离值，并通过特征融合和分类得出在 HiEve 数据集上超越其他技术的最佳性能。

    Nov, 2020

  • 基于 CNN 的 3D 动作识别中不同骨架特征的研究

    本文介绍了一种基于深度学习和骨骼信息的动作识别方法，该方法采用 CNN 代替 RNN 进行空时信息的提取和处理，将五种空间骨骼特征编码为图像并有效提高了 3D 人体动作分析的精度。

    May, 2017

  • 基于骨架的人体交互识别的双流混合 CNN-Transformer 网络

    我们提出了一种两流混合 CNN-Transformer 网络（THCT-Net），通过 CNN 和 Transformer 同时建模实体、时间和空间之间的关系，来更好地理解和推断各种动作的意义和上下文。

    Dec, 2023

  • 基于三维骨架的行为识别学习方法调查

    这篇研究论文介绍了从基于深度学习架构的角度全面讨论使用三维骨架数据进行动作识别，并详细介绍了基于循环神经网络 (RNN)-based、卷积神经网络 (CNN)-based 和图卷积网络 (GCN)-based 的主流动作识别技术，并介绍了包括 NTU-RGB+D 在内的多个数据集和算法。

    Feb, 2020

  • 基于 LSTM 和 CNN 的骨架动作识别

    该研究使用 3D 骨架数据和卷积神经网络 (CNN) 和长短期记忆 (LSTM) 方法进行 3D 人体行为分析，证明 CNN 和 LSTM 的分数融合方法可以更有效地捕获空间 - 时间信息，并在 NTU RGB+D 数据集上取得了最先进的结果，在深度视频中的大规模 3D 人体动作分析挑战中排名第一。

    Jul, 2017