A-MAL：从三维骨架视频中规范动作自动学习的动作评估方法
计算机视觉与模式识别
2020-07-16 v4
摘要
评估动作质量的任务近来在多个领域需求激增。利用Kinect等廉价设备所捕获视频自动评估受试者动作的能力，对于监测临床康复过程、改善运动技能以及动作学习任务至关重要。该任务需要在准确跟踪动作阶段的同时关注低层细节，因而极具挑战性。本工作中，我们提出A-MAL，一种自动的强动作评估学习算法，其仅从规范执行的动作视频中学习而无需额外标注，并由以下部分驱动：偏离时间分割算法、参数相关性检测算法、基于共同点-of-interest自动检测的新型时间扭曲算法，以及文本反馈生成机制。我们在Fugl-Meyer评估（FMA）测试的动作上验证了方法，该测试通常由职业治疗师施行以监测中风患者的恢复过程。
引用
@article{arxiv.1907.10004,
title = {A-MAL: Automatic Movement Assessment Learning from Properly Performed Movements in 3D Skeleton Videos},
author = {Tal Hakim and Ilan Shimshoni},
journal= {arXiv preprint arXiv:1907.10004},
year = {2020}
}
备注
Accepted and orally presented in CVPM 2019