5、人体交互识别方法解析

人体交互识别方法解析

1. 数据集与实验设置

1.1 数据集介绍

我们使用的数据集包含8种人体交互动作，分别是鞠躬（bow）、拳击（boxing）、握手（handshake）、击掌（high - five）、拥抱（hug）、踢腿（kick）、轻拍（pat）和推搡（push），每个类别有50个视频。该数据集存在多种挑战，例如主体外观、尺度、光照条件和视角的变化。而且在大多数视频中，演员会被他人身体部位、柱子、桥梁、行人等部分遮挡。部分视频里，交互的人与背景中的无关移动物体（如汽车、行人）存在重叠的运动模式。

1.2 数据划分

随机选取272个视频用于训练交互模型，剩下的128个视频用于测试。在训练数据中，有144个视频用于训练属性模型。

1.3 实验内容

进行了三个实验来评估方法的有效性：
1. 在BIT - Interaction数据集上测试所提出的方法，并与基于动作上下文的方法进行比较。
2. 评估所提出方法中各组件的有效性。

2. 实验结果分析

2.1 在BIT - Interaction数据集上的测试结果

所提出的方法在分类人体交互动作时达到了85.16%的准确率。该方法能够在一些具有挑战性的情况（如部分遮挡和背景杂乱）下识别出人体交互动作，这主要得益于交互短语之间的相互依赖关系。在这些具有挑战性的场景中，相互依赖关系为错误推断的短语提供了强大的上下文信息，使其更符合整体上下文，从而能够正确识别交互动作。不过，大部分误分类是由于不同交互类别的视觉相似动作（如“拳击”和“轻拍”）以及严重遮挡导致的。