NTU RGB+D动作识别数据集

最新推荐文章于 2024-03-07 08:52:52 发布
置顶 最新推荐文章于 2024-03-07 08:52:52 发布
阅读量2.6w 收藏 68
点赞数 8
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hren0412/article/details/89495678
版权
GitHub：基于3D骨架数据的双流卷积网络动作识别算法
数据集下载：3D骨架数据（60+60）类

NTU RGB + D动作识别数据集由56,880个动作样本组成，包含每个样本的RGB视频，深度图序列，3D骨架数据和红外视频。此数据集由3个Microsoft Kinect v.2相机同时捕获。RGB视频的分辨率为1920×1080，深度图和红外视频均为512×424,3D骨架数据包含每帧25个主要身体关节的三维位置(如下图所示)。
骨架关节的配置

3D骨骼节点信息是通过Kinect相机中的骨骼跟踪技术获得的，由人体25个主要身体关节的三维位置坐标构成。骨骼追踪技术通过处理深度数据来建立人体各个关节的坐标，它能够确定人体的各个部分，如哪部分是手，头部，以及身体，还有他们所在的空间位置。

Cross-View命名规则

文件命名格式：(示例：S001C001P001R001A001)

S:设置号，共有17组设置
C:相机ID，共有三架
P:人物ID，
R:同一个动作的表演次数
A:动作类别

RGB数据：

在这里插入图片描述

3D骨骼数据可视化结果：

在这里插入图片描述 在这里插入图片描述

Hren0412
关注
  • 8
    点赞
  • 踩
  • 68
    收藏
    觉得还不错? 一键收藏
  • 31
    评论
“NTU RGB+D“ Action Recognition Datasets下载方法（成功）
Yang_4881002的博客
11-15 1317
"NTU RGB+D" Action Recognition Datasets下载方法（成功）
MS-G3D:[CVPR 2020口腔] PyTorch实施“基于骨架的动作识别的解缠结和统一图卷积”
03-21
MS-G3D PyTorch实施的“解开和统一图卷积以进行基于骨骼的动作识别”，CVPR 2020口头。 [ ] [] [ ] 依存关系 Python> = 3.6 PyTorch> = 1.2.0 （自动混合精度培训） PyYAML，tqdm，tensorboardX 资料准备 磁盘使用警告：预处理后，对于NTU RGB + D 60，NTU RGB + D 120和Kinetics 400，数据集的总大小分别约为38GB，77GB，63GB。原始/中间大小可能会更大。 下载数据集 有3个数据集可供下载： NTU RGB + D 60骨架 NTU RGB + D 120骨架 动力学400骨架 NTU RGB + D 60和120 在此处请求数据集： : 下载仅骨架的数据集： nturgbd_skeletons_s001_to_s017.zip （NTU RGB +
NTU-RGB+D数据集
热门推荐
weixin_51450749的博客
12-27 3万+
NTU-RGB+D（60）数据集 论文连接：NTU-RGB+D 一、基本介绍 该数据集包含60个种类的动作（见表1），共56880个样本，其中有40类为日常行为动作，9类为与健康相关的动作，11类为双人相互动作。这些动作由40个年龄从10岁到35岁的人完成。该数据集由微软 Kinect v2传感器采集得到，并且使用了三个角度不同的摄像机，采集的数据形式包括深度信息、3D骨骼信息、RGB帧以及红外序列。 表1 动作种类 二、两个评价准则 NTU数据集在划分训练集和测试集时采用不同的划分标准。 1、Cross
介绍动作识别数据集：“NTU RGB+D”数据集和“NTU RGB+D 120”数据集
源代码杀手的博客
05-13 3145
动作识别数据集：“NTU RGB+D”数据集和“NTU RGB+D 120”数据集（还包括AUTH UAV手势数据集：NTU 4级）本页介绍两个数据集：“NTU RGB+D”和“NTU RGB+D 120”。“NTU RGB+D”包含60个动作类和56，880个视频样本。“NTU RGB+D 120”扩展了“NTU RGB+D”，增加了另外60个类和另外57，600个视频样本，即“NTU RGB+D 120”总共有120个类和114，480个样本。
人体骨骼动作识别概述
最新发布
qq_37174487的博客
03-07 1042
骨骼动作识别（skeleton-based action recognition），其实就是通过深度学习方法对人体骨骼结构的数据进行识别、分类等任务，和人体动作识别不同之处在于研究对象是骨骼数据集。基于骨骼的动作识别相比于基于RGB的人体骨骼动作识别具有数据集体积小，结构信息明显等优点。人体骨骼动作识别可应用于人机交互、视频监控、动作迁移等领域，是当前的研究的热点。本文主要介绍3D人体骨骼动作分类的基本算法和原理。
基于骨骼的行为识别笔记（NTU RGBD数据集解析）
以笔为剑的唐吉坷德
06-03 1万+
目录1. 人类行为（层次）：2. 输入数据3. 基于骨架的行为识别4. 数据集4.1 NTU RGBD4.1.1 下载方式4.1.2 Benchmark5. 相关论文5.1 Skeleton-based Action Recognition with Convolution Neural Networks(2017.8 海康威视)5.1.1 论文亮点5.2 Co-ocurrence Feature Learning from Skeleton Data for Action Recognition and
NTU-RGBD数据集下载百度网盘链接
h123115456的博客
06-02 1048
链接：https://pan.baidu.com/s/1UqiOiDuUNytpMJQA9C2H2A。
NTU RGB-D 60 骨架数据集3D可视化
qq_43601378的博客
03-31 2159
NTU RGB-D 60数据集可视化
[骨架动作识别]数据集
liudiudiu
07-16 9780
NTU RGBD CVPR2016 RGB videos depth map sequences 3D skeletal data infrared videos MSR-Action3D Finally, the MSR Action3D [45] represents one of the most used datasets for HAR. It includes 20 act...
论文笔记：Hierarchical Contrast for Unsupervised Skeleton-based Action
weixin_54013293的博客
10-10 702
2、相比于传统模型的实例级（instance-level）对比，本文采用了多级对比，主要分为四级对比，实例级（instance-level），域级 (domain-level)，片段级 (clip-level)和部件级 (part-level)。Top-1： Accuracy是指排名第一的类别与实际结果相符的准确率，就是你预测的label取最后概率向量里面最大的那一个作为预测结果，如过你的预测结果中概率最大的那个分类正确，则预测正确。此外，文章还证明了作者方法对于半监督的基于骨架的动作识别也是有效的。
NTU_RGB+D数据集介绍及骨架数据可视化
牵一只蜗牛去散步
12-04 1万+
NTU_RGB+D动作识别数据集由56880个动作样本组成，涵盖每个样本的RGB视频、深度图序列、3D骨架数据和红外视频等。
matlab精度检验代码-Human-Action-Recognition-from-Skeleton-Data:用于人类动作识别的简单但高精
05-21
matlab精度检验代码人体数据对人体动作的识别 用于人类动作识别的简单但高精度的LSTM 代码结构 ：将给定的数据集（NTU RGB + D）从“ .skeleton”转换为“ .mat” ：一个使用给定函数转换数据集的示例。您应验证“ fileFolder”，“ dirOutput”和“ savepath” ：根据类别对“ * .mat”文件进行划分。 ：读取骨架文件的功能（由NTU RGB数据集提供） ：将骨架数据从骨架文件保存到mat文件的功能 ：用于在深度图上显示骨骼信息的功能（感谢NTU RGB + D数据集） ：用于在IR帧上显示骨骼信息的功能（由于NTU RGB + D数据集） ：用于显示RGB帧上的骨架信息的功能（由于NTU RGB + D数据集） ：使用tensorflow lib训练和测试python文件。 ：使用tensorflow训练python文件。 ：用于评估模型性能的测试文件。 ：将python文件的骨架文件格式从“ .mat”转换为“ .npy”。 另外，您也可以将其用于单独的训练和测试装置。 ：训练有素的lstm模型。 ：使用keras lib训练和
TUM数据集（RGBD）百度云下载链接，官网下载实在太慢了，下载了一个数据集传到了百度云供大家下载
03-14
TUM数据集（RGBD）百度云下载链接，官网下载实在太慢了，于是我就下载了一个数据集传到了百度云供大家下载，赚一丁点积分下载其他文档/笑哭，
NTURGB-D:“ NTU RGB + D动作识别数据集”的信息和示例代码
05-02
“ NTU RGB + D”动作识别数据集 “ NTU RGB + D 120”动作识别数据集 “ NTU RGB + D”是用于人类动作识别的大规模数据集。 在我们的CVPR 2016论文。 “ NTU RGB + D 120”是“ NTU RGB + D”数据集的扩展版本。 它在我们的TPAMI 2019论文。 有关数据集的任何可能查询，请联系论文的第一作者。 如何下载数据集 请单击以获取有关访问“ NTU RGB + D”和“ NTU RGB + D 120”数据集的更多信息。 如果仅需要骨架数据，也可以通过以下方式获取它： 数据集的结构 “ NTU RGB + D”和“ NTU RGB + D 120”数据集分别包含56,880和114,480个动作样本。两个数据集都为每种样本包括4种不同的数据形式： RGB视频 深度图序列 3D骨骼数据 红外（IR）视频 视频样本已同
头部动作图像数据库 HeadPoseImageDatabase
01-31
头部动作图像数据库 HeadPoseImageDatabase头部动作图像数据库 HeadPoseImageDatabase头部动作图像数据库 HeadPoseImageDatabase
matlab数据输入代码-PLSTM:在张量流中实现部分感知的lstm，用于具有数据集NTURGB+D的基于骨骼的动作识别
05-27
，用于基于骨骼的动作识别。 它将整个身体分为5个身体部位。 经过特殊设计的lstm单元比普通单元可以更好地提取上下文特征。 单元图如下所示： 与正常的lstm细胞相比，不难发现plstm已分离出与不同身体部位相对应的i...
Two-Stream-CNN:在Keras中实现的两个Stream CNN结合使用基于骨架的动作识别和数据集NTU RGB + D
04-29
Keras中的两流CNN工具在的基于骨架的动作识别中，提出了两流CNN，用于基于骨架的动作识别。 它将骨架序列映射到图像（坐标x，y，z到图像R，G，B）。 他们专门设计了骨架变压器模块，以自动重新排列和选择重要的骨架...
HCN-pytorch:pytorch的{​​复制自并发特征学习以层次聚合进行动作识别和检测的骨架数据}
05-02
1.数据集 NTU RGB + D：交叉视图（CV），交叉主题（CS） SBU Kinect相互作用 北大MMD 2.任务 动作识别 动作检测 3.可视化 支持智慧。 先决条件 我们的代码基于Python3.5 。 在下面的代码中有一些依赖关系可以...
视频图matlab代码-icme_git:icme_git
05-27
D动作识别数据集 #####“ NTU RGB + D动作识别数据集”的信息和示例代码 NTU RGB + D是用于人类动作识别的大规模数据集。 它已在我们的CVPR 2016论文中介绍。 如何访问数据集 请单击以获取有关获取数据集的更多信息...
有关ntu-rgb+d的一些表格
08-08
NTU-RGBD数据集是一个广泛使用的用于计算机视觉研究的人体动作识别和行为分析的数据集。该数据集包含了大量的RGB-D视频数据，其中RGB表示红绿蓝颜色通道的图像数据，D表示深度图像数据。这些数据通过微软的Kinect传感器采集。 NTU-RGBD数据集中的每个动作都有大约40名参与者进行演示，涵盖了106个不同的动作类别，如挥手、握手、跳舞等等。每个参与者都执行了一系列的动作，数据集提供了每个动作的RGB图像序列和对应的深度图像序列。此外，还提供了关节的3D坐标序列，用于更详细的姿势分析。 NTU-RGBD数据集为研究人员提供了一个重要的资源，可以用于开展人体动作认知、行为识别、行为分析等相关研究。研究人员可以利用这些数据进行算法训练和评估，以提高人体动作识别和分析的准确性和鲁棒性。 该数据集还包含了一些用于评估模型性能的标准评估指标，如分类精度、混淆矩阵等。这些指标可以帮助研究人员量化模型的表现，并进行比较和分析。 总而言之，NTU-RGBD数据集是一个含有大量RGB-D视频数据的数据集，可用于研究人体动作识别和行为分析。它为计算机视觉领域的研究人员提供了一个重要的资源，并促进了相关研究的发展。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 31
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值