NTU_RGB+D数据集介绍及骨架数据可视化

最新推荐文章于 2024-10-31 11:21:03 发布
最新推荐文章于 2024-10-31 11:21:03 发布
阅读量720 收藏 6
点赞数 4
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/gitblog_06560/article/details/143385614
版权

NTU_RGB+D数据集介绍及骨架数据可视化

【下载地址】NTU_RGBD数据集介绍及骨架数据可视化分享 NTU_RGB+D数据集是一个用于动作识别的大规模数据集，包含了56880个动作样本。每个样本包括RGB视频、深度图序列、3D骨架数据和红外视频等。数据集由3个Microsoft Kinect v2相机同时捕获，提供了丰富的多模态数据 【下载地址】NTU_RGBD数据集介绍及骨架数据可视化分享 项目地址: https://gitcode.com/Resource-Bundle-Collection/9e695

简介

NTU_RGB+D数据集是一个用于动作识别的大规模数据集，包含了56880个动作样本。每个样本包括RGB视频、深度图序列、3D骨架数据和红外视频等。数据集由3个Microsoft Kinect v2相机同时捕获，提供了丰富的多模态数据。

数据集内容

  • RGB视频：分辨率为1920×1080。
  • 深度图序列：分辨率为512×424。
  • 红外视频：分辨率为512×424。
  • 3D骨架数据：每帧包含25个身体关节的三维坐标。

数据集结构

数据集文件命名格式如下：

  • S：设置号，共有17组设置。
  • C：相机ID，共有3架相机。
  • P：人物ID，共有40个人。
  • R：同一个动作的表演次数。
  • A：动作类别，共有60个。

示例文件名：S010C001P019R001A010_skeleton

骨架数据可视化

本资源文件提供了Python代码，用于可视化NTU_RGB+D数据集中的3D骨架数据。代码支持2D和3D两种可视化方式，帮助用户更好地理解和分析数据集中的动作样本。

使用方法

  1. 下载数据集：从官方地址下载NTU_RGB+D数据集。
  2. 运行代码：使用提供的Python代码读取并可视化骨架数据。
  3. 调整参数：根据需要调整代码中的参数，如帧数、关节连接等。

注意事项

  • 数据集较大，下载和处理可能需要较长时间。
  • 可视化代码需要安装必要的Python库，如numpy、matplotlib等。

参考资料

  • NTU_RGB+D数据集论文：CVPR2016
  • 数据集官方下载地址：Skeleton_Data_Only（BaiDuYun）

更新日志

  • 2024-01-14：更新了数据集下载地址和代码示例。

联系我们

如有任何问题或建议，请通过CSDN博客联系作者。

【下载地址】NTU_RGBD数据集介绍及骨架数据可视化分享 NTU_RGB+D数据集是一个用于动作识别的大规模数据集，包含了56880个动作样本。每个样本包括RGB视频、深度图序列、3D骨架数据和红外视频等。数据集由3个Microsoft Kinect v2相机同时捕获，提供了丰富的多模态数据 【下载地址】NTU_RGBD数据集介绍及骨架数据可视化分享 项目地址: https://gitcode.com/Resource-Bundle-Collection/9e695

基于YOLOv10与NTU RGB+D数据集的深度学习动作识别实践
m0_52343631的博客
03-31 708
NTU RGB+D数据集（NTU RGB+D 60 和 NTU RGB+D 120）是一个面向动作识别的多模态数据集，广泛用于人体动作识别和行为分析。该数据集由新加坡南洋理工大学（NTU）发布，包含RGB视频、深度视频、骨架信息、以及骨骼连接的三维坐标。数据集中的动作涵盖了日常生活中的多种行为，具有很高的多样性和挑战性。包含60类和120类动作的识别任务。每个动作有多个视角，并且提供RGB视频、深度视频以及骨骼数据。每个视频样本中，动作的表现通常具有较高的复杂性和多变性，挑战性较大。
NTU-RGB-D数据集
qq_50944883的博客
08-28 587
S:设置号，“ NTU RGB + D”数据集包括设置号在S001和S017之间的文件/文件夹，而“ NTU RGB + D 120”数据集包括设置号在S001和S032之间的文件/文件夹。1.train_label.pkl和val_label.pkl数据文件。P:人物ID，P001表示一号动作执行人，但并非每个人都执行了所有动作。C:相机ID，共有三架，C001,C002,C003。2.train.npy文件。R:同一个动作的表演次数。
NTU-RGB+D数据集
热门推荐
weixin_51450749的博客
12-27 4万+
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 5382
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。
NTU数据集
duoduohair的博客
02-26 1262
动作识别常用数据集：NTU NTU120 需要骨骼数据可私信分享 可以自己在ROSE实验室网站申请下载：下载链接
NTU_RGB+D数据集：动作识别的强大工具与骨架数据可视化
gitblog_06520的博客
10-31 775
NTU_RGB+D数据集：动作识别的强大工具与骨架数据可视化 【下载地址】NTU_RGBD数据集介绍及骨架数据可视化分享 NTU_RGB+D数据集是一个用于动作识别的大规模数据集，包含了56880个动作样本。每个样本包括RGB视频、深度图序列、3D骨架数据和红外视频等。数据集由3个Microsoft Kinect v2相...
NTU RGB+D数据集 训练集、测试集划分与缺失值处理
weixin_54644818的博客
12-11 1650
NTU RGB+D训练集、测试集的划分与缺失值处理（附代码）。
NTU RGB+D动作识别数据集
Hren0412的博客
04-24 2万+
@NTU RGB+D动作识别数据集 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。 Cross-View命名规则 S:设置号...
读取NTU-RGB-D数据集并利用关节信息生成gif
qq_44662196的博客
08-22 1245
一、读取NTU-RGB-D数据集 本文基于matlab2016实现。并需要先下载NTU-RGB-D数据集，打开下载的压缩包得到的是一组后缀名为skeleton 的文件，如图1.1所示 图1.1NTU-RGB-D数据集中的 skeleton文件 主函数如下 clc clear skeletonfilename = 'C:\Users\赵迪\Downloads\Raw_Skeleton_S01-S17\skeleton+D0-30000\S001C001P001...
掌握NTU RGB+D动作识别数据集及MATLAB示例代码
压缩包子文件“NTURGB-D-master”可能是用于存储和管理数据集内容的代码库或脚本。通过分析文件列表，研究者可以了解数据集的组织结构，以及如何加载和使用数据进行模型训练和测试。文件列表可能包括数据集的元数据...
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
NTU-RGBD合集.xlsx
06-12
NTU论文整理，包含17、18年的绝大多数顶级期刊和会议的论文
Keras实现两流CNN动作识别技术与NTU RGB+D数据集应用
#### 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 - **Two-Stream-CNN**：这是一种结合了两个不同输入流的卷积神经网络模型（CNN），通常应用于视频分析或动作...
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-RGB+D数据处理(CTR-GCN ICCV2021)
qq_33331451的博客
12-09 5444
文章目录get_raw_skes_data.pyget_raw_denoised_data.pyseq_transformation.py get_raw_skes_data.py ''' 本文件主要生成四个文件 raw_data ├── frames_cnt.txt │ ├── num_frame_interval(list) ├── frames_drop.log │ ├── num_frame_interval(list) ├── frames_dro
【论文笔记】NTU RGB+D
LoveKKarlie_的博客
01-20 2380
NTU RGB+D数据集
进一步解释NTU RGB+D数据集 训练集、测试集划分
qq_34425255的博客
05-12 438
【代码】进一步解释NTU RGB+D数据集 训练集、测试集划分。
NTU RGB+D和NTU RGB+D 120
qq_34425255的博客
05-10 1342
两个数据集中的每个文件/文件夹名称的格式均为 SsssCcccPpppRrrrAaaa 格式（例如 S001C002P003R002A013），其中 sss 是设置编号，ccc 是摄像机 ID，ppp 是执行者（主题）ID，rrr 是复制编号（1 或 2），aaa 是操作类标签。S001C001P001R001A001表示S001文件夹，对应摄像机 ID是C001，对应的执行者（可理解为受试者）ID是P001，对应的复制编号是R001，对应的动作类别是A001。有关数据集的任何疑问，请联系论文的第一作者。
nturgbd数据集
最新发布
01-14
### NTU RGB+D 数据集概述 NTU RGB+D 动作识别数据集由56,880个动作样本构成，每个样本包含了RGB视频、深度图序列、3D骨架数据以及红外视频。这些数据通过三个Microsoft Kinect v.2摄像头同步录制而成[^2]。 #### 下载指南 有兴趣的研究人员可以通过注册账户来访问该数据集。具体流程涉及提交申请表格并同意发布的条款与条件。一旦请求得到验证和批准，申请人将获得用于下载两个版本——即“NTU RGB+D”及其扩展版“NTU RGB+D 120”的唯一登录凭证[^1]。 #### 主要特征描述 - **多模态记录**：提供四种不同类型的感知信息—彩色图像(RGB)、距离测量(Depth Map)、骨骼姿态(Skeleton Data)，还有近红外光谱(Infrared Video)。 - **高分辨率素材**：RGB视频采用全高清标准（1920x1080），而其他两种视觉形式则保持一致的空间维度（512x424）。这使得即使是在复杂背景下也能捕捉到清晰的动作细节。 - **丰富的空间覆盖范围**：利用三台摄像机从多个角度同时拍摄同一场景，从而增强了对于人体运动的理解能力，并减少了遮挡问题的影响。 - **精确的骨骼追踪**：每帧内可检测多达25个人体关键部位的位置坐标，形成完整的三维结构表示，这对于分析特定姿势或手势非常有用。 ```python import numpy as np # 假设我们有一个包含单个动作实例的数据文件 'sample_data.npz' data = np.load('sample_data.npz') rgb_video = data['rgb'] # 彩色视频数组 (T,H,W,C) depth_maps = data['depth'] # 深度映射数组 (T,H,W) skeletons = data['skel'] # 骨骼数据矩阵 (T,J,D), J=25 关节点数, D=3 维度(x,y,z) print(f"RGB video shape: {rgb_video.shape}") print(f"Depth maps shape: {depth_maps.shape}") print(f"Skeleton joints shape: {skeletons.shape}") ```
评论
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

打赏作者

农理湛Medwin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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