数据推荐 | 人体行为识别数据集

人体行为识别任务旨在通过对人体姿态进行分析，识别出人体的具体动作，为人体行为预测、突发事件处理、智能健身、智能看护等领域提供技术支持。

人体行为识别数据标注方式

人体行为数据通用的标注方式包括人体关键点标注和动作标签标注，人体关键点标注提供人体各关节点的位置信息。
根据不同的识别精度需求，人体关键点通常可用14点、18点、22点甚至更多点位对人体进行标注，均基于人体骨骼中可以活动的关节点扩展。
标签标注主要标注该动作对应的行为类别，是对人体行为的整体描述。人体行为通常分为静态行为和动态行为，具体标注形式如下：
静态行为：直接对图像中的目标人体进行关键点标注，并对整体行为种类做标签标注。
动态行为：对于动态行为，还需增加视频抽帧模块，对动态人体行为视频基于特定的采样率抽取图像帧，然后对图像帧标注人体关键点信息，对动态行为视频整体标注人体行为种类标签标注。

人体行为识别任务难点

基于实际情况，人体行为识别任务具备以下三个难点：
行为复杂：人体行为种类众多，并且部分行为存在一定程度的主观性（例如徘徊行为），造成算法识别难度较大。

人体遮挡：人体在做特定行为时会出现自身遮挡现象，此外人体在真实场景下会被场景中其他的目标遮挡，造成关键点检测困难。

数据噪声：在真实场景下数据噪声影响较大，以安防监控场景为例，首先安防摄像头分辨率普遍较低、拍摄距离较远，人体特征占比较小；其次安防场景下不同的光照条件对人体特征影响较大；此外，人体做动态动作时还会造成动态模糊现象。

以上各种因素对人体识别算法的鲁棒性提出了挑战。

数据堂人体行为识别数据集