一种视角无关的瑜伽姿势分类框架
计算机视觉与模式识别
2022-08-16 v2 人工智能
机器学习
摘要
瑜伽是一项全球公认且被广泛推荐的健康生活方式实践。在练习瑜伽体式时保持正确姿势至关重要。在这项工作中，我们利用来自人体姿态估计模型的迁移学习提取遍布全身的 136 个关键点，训练一个随机森林（Random Forest）分类器用于瑜伽体式的估计。结果在一个内部收集的包含 51 名受试者、从 4 个不同相机角度录制的广泛瑜伽视频数据库上进行了评估。我们提出了一种三步方案，通过以下测试来评估瑜伽分类器的泛化能力：1) 未见过的帧，2) 未见过的受试者，以及 3) 未见过的相机角度。我们认为，对于大多数应用，在未见过的受试者和未见过的相机角度上的验证准确率最为重要。我们在三个公开数据集上实证分析了迁移学习的优势以及目标泄漏的可能性。我们进一步证明分类准确率严重依赖于所采用的交叉验证方法，并且常常具有误导性。为促进进一步研究，我们已公开关键点数据集与代码。
引用
@article{arxiv.2206.13577,
title = {A View Independent Classification Framework for Yoga Postures},
author = {Mustafa Chasmai and Nirjhar Das and Aman Bhardwaj and Rahul Garg},
journal= {arXiv preprint arXiv:2206.13577},
year = {2022}
}