nkliuyifang / skeleton-recognition

Skeleton-Recognition

项目任务：

通过对人体姿态关键节点序列数据特征提取，对人体姿态序列进行识别和分类

数据集及数据集增强：

数据集放在data文件夹中
data/train文件夹中的数据为老师提供的训练集数据
data/train_enhance文件夹为经过数据增强的数据集（运行数据集增强代码文件data_enhance.py后会自动创建，由原始训练集数据生成）
data/test文件夹中的数据为老师提供的测试集数据
data/train，data/test文件夹中为原始数据，训练数据集有5类数据，总共410个人体关键点序列数据，以.npy形式存在；同理，测试数据集中有5类数据，总共127个数据。
经过数据集增强后，获得的新的训练集数据样本数为原来的四倍（1640个）。

网络模型：

RNN模型——RNN.py
CNN模型——CNN.py
ST_GCN模型——ST_GCN.py

效果评估：

使用data/test里面5类样本的平均识别率作为指标
网络模型——平均识别率
RNN——22.222223%
CNN——55.555556%
ST_GCN——27.3504274%

代码运行步骤：

解压人体姿态序列分类.zip至文件夹（文件夹名：人体姿态序列分类），将data_enhance.py和网络py文件置于/人体姿态序列分类路径下，与tool、data文件夹在同一路径中
运行数据集增强模型——data_enhance.py
分别独立运行三个网络模型——RNN.py，CNN.py，ST_GCN.py

需要的模板库

import torch
import random
import numpy
import glob
import os
import matplotlib

主要项目负责人

冯江锴，付旭煜，黄沛吉，胡幸源，朱泽宇