一种用于人体动作识别的多视角室外数据集

深度神经网络的进步使得许多计算机视觉问题（如物体识别、人脸识别和姿态估计）取得了近乎完美的结果。然而，人体动作识别仍远未达到人类水平性能。由于人体的关节化特性，从多视角（尤其是从空中视角）检测动作具有挑战性。缺乏涵盖动作多视角的数据集进一步加剧了这一问题。为填补此空白并赋能更广泛应用领域的研究，我们提出了一个从YouTube和自有无人机收集的多视角室外动作识别数据集。该数据集包含20个动态人体动作类别、2324个视频片段和503086帧。所有视频在不失真视频中人体主体原始宽高比的前提下裁剪并缩放至720x720。该数据集应可用于包括动作识别、监控和态势感知在内的许多研究领域。我们使用双流CNN架构结合一种近期提出的称为核化秩池化的时序池化方案来评估该数据集，该方案产生非线性特征子空间表示。总体基线动作识别准确率为74.0%。