花样滑冰选手骨骼点动作识别方案总结

1. 赛题介绍

研究现状如下：

• 数据
  • 缺少细粒度语义信息
  • 缺乏人体运动的特性
• 模型
  • 图片相粒度模型
  • 细粒度语义识别模型

  本次比赛旨在通过建立高精度、细粒度、语义明确的动作识别模型，探索基于骨骼点的时空细粒度人体动作识别创新方法。 人体骨骼点的视频动作识别技术包括了以下三大难点：

1. 骨骼点检测误差累计，人体骨骼点检测模型自带误差无法控制，误差会作为噪声累计进入到后面人体动作识别模型中;
2. 不同动作类别相似性较高，比较难以区分，如飞利浦跳和勾手跳。
3. 数据量小，容易产生过拟合现象。相比图片识别技术，视频识别模型普遍参数量大，训练数据量小(训练集2992个样本) ，由于样本不均衡，容易产生过拟合现象。前30名队伍里，A榜与B榜排名的肯德尔等级相关系数：0.25 (A、B榜排名越相似，相关系数越接近1) ，更说明了大多数队伍模型均出现了不同程度的过拟合现象。

2. 解题思路

  针对于难点一：骨骼点检测误差累计。解决思路为：

1. 利用随机视频帧采样方式增加对噪声的鲁棒性。
2. 增