（2021CVPR）One-shot action recognition in challenging therapy scenarios

仅浅读了论文，若有理解不对，还望指出。

方法

输入：3D pose 序列

第一步：正则化，从原始的系统W坐标系转换为新系统坐标系H。该变换会更换视角，但保持节点之间的相对位置不变性。如下图，从原本的W视角转换成了H视角。这种处理方法是常用的3D骨架正则化处理方法。简单描述这个转换方法：它以两个髋部连线为x轴，其中点与脊柱的连线为z轴，然后求出与xz垂直的y。此外，为了不同高度的人具有可比性，还进行了坐标的缩放，使之身高相同。

第二步：特征提取

先计算两个额外的信息。

• （关键点对的距离信息）P，这个可以形象地理解为身体部位长度的计算。
• （原始数据中关键点对的角度和高度）B，可以理解为身体部位的屈角和高度。

然后使用将修正后的骨架、P、B作为输入，使用TCN进行特征提取。

第三步

利用anchor最后一帧的embedding作为anchor特征（猜测TCN可能和RNN一样，最后一帧的输出包含了之前所有帧的信息），然后计算anchor和target之间的距离，距离计算方法有两种，cos和js。根据评估数据集上的精确度和召回率设置距离阈值，距离小于一定该阈值则接受之。