Jun, 2024

SMART: 适用于心理障碍群体的场景动作感知人体行为识别框架

PDF
TL;DR通过构建图像识别人类动作的数据集，并引入新颖的技术框架 SMART，旨在实现对患有精神障碍患者进行智能监测和行为分析，以提高医疗保健质量和效率。
mental disordersintelligent video behavior monitoringhuman action recognitionabnormal actionsscene-motion-aware action recognition technology
发现论文，激发创造
  • SMART：骨骼运动动作识别攻击

    提出了一种名为 SMART 的方法，通过创新的感知损失攻击依赖于 3D 骨架运动的动作识别器，该方法在白盒和黑盒场景中都很有效，且具有广泛的推广性和多样性，并且证明 3D 骨架运动的对抗攻击与传统的对抗攻击问题存在明显的差异。

    Nov, 2019

  • 使用可穿戴数据的自监督表示进行人类活动识别

    本研究基于一个大规模无标签数据集上学习的自监督表征及浅层多层感知器模型，在未参与训练的真实世界数据集上取得了良好性能，并可通过不同传感器的数据训练，从而实现了设备无关型人体活动识别模型，将有助于增加 HAR 领域中模型评估的标准化。

    Apr, 2023

  • 随机场景感知运动预测

    该研究提出了一种新的数据驱动的、随机的运动综合方法 SAMP，该方法可以模拟在杂乱场景中表现不同风格的行为，通过训练 MoCap 数据可以实现优秀的表现。

    Aug, 2021

  • 应用驱动的人类动作识别 AI 范式

    本文提出了一个可适用于多种应用场景的人体动作识别框架，包含多形式人体检测和对应动作分类两个模块。其中，通过构建开源数据集来训练多形式人体检测模型，从而识别人的整体、上半身或部分身体，并采用动作分类模型来识别跌倒、睡觉等动作。实验结果表明，该框架对于各种应用场景都是有效的，是一种新的面向应用的人体动作识别 AI 范式。

    Sep, 2022

  • 智能家居中的婴儿身体安全监测系统

    本研究采用 ConvLSTM-I3D 模型结合迁移学习和视频增广技术，针对 Smart Baby Care 动作识别任务，提出了一种新型轻量级框架。与其他基准模型相比，在更小的数据集和较少的计算资源下，实验框架取得了更好的性能。

    Oct, 2022

  • 使用智能手表评估中风患者上肢自动运动能力

    设计了一个上肢康复评估流程，用于通过智能手表自动检测和识别受卒中影响的患者的四个关键动作，以实现在康复场景中的物理状况评估。

    Dec, 2022

  • 动作识别的智能帧选择

    本文通过提出一种称为 SMART 的方法，既能减少动作识别的计算成本，又能提高识别精度。该方法通过联合考虑帧的选择，而不是逐一考虑，使得好的帧更有效地分布在视频中，并成功地应用于多个基准测试中。

    Dec, 2020

  • 多模态感知驱动的三维人体动作预测

    未来人体姿势预测是机器智能的基本应用，本研究引入了一种新的多模态感知驱动的运动预测方法，通过结合外部 3D 场景和内部人类凝视信息来实现高保真度的生成，同时考虑人的意图和场景的语义连贯性，该方法在 3D 人体姿势和轨迹预测上取得了最先进的性能。

    May, 2024

  • 人体动作识别的渐进式跨模态知识蒸馏

    本研究提出了一种新颖的渐进式骨架到传感器知识蒸馏模型 (PSKD)，利用智能手表的时间序列数据，解决佩戴式传感器人类动作识别问题。通过构建多个教师模型和学生模型，设计了一种自适应置信度语义 (ACS) 损失函数。实验结果表明，PSKD 方法在 Berkeley-MHAD、UTD-MHAD 和 MMAct 数据集上具有与之前的单传感器 HAR 方法相比的竞争性能。

    Aug, 2022

  • 基于大规模基础模型的低成本实时工业人体动作识别

    该论文提出了一种基于大规模基础模型（LSFM）的工业人工行为识别（IHAR）方法，首次联合使用了各种 LSFM 和轻量级方法，以实现低成本数据集建立和实时 IHAR。在原位大规模工业制造线上的全面测试表明，该方法实现了就业成本的大幅降低，具有出色的实时性能和令人满意的准确性和泛化能力，表明其在大规模工业应用中作为骨干 IHAR 方法具有巨大潜力。

    Mar, 2024