基于时序点云的人体动作识别
计算机视觉与模式识别
2025-10-10 v3
摘要
近期关于人体动作识别（HAR）的研究主要集中在骨架动作识别和基于视频的方法。随着消费级深度传感器和激光雷达设备的日益普及，利用密集3D数据进行动作识别以发展第三条路径的机遇不断增加。本文提出了一种从3D视频中识别动作的新方法，引入了一个流水线，该流水线从场景背景中分割出人体点云，随时间跟踪个体，并执行身体部位分割。该方法支持来自深度传感器和单目深度估计的点云。所提出的 HAR 框架的核心是一种用于3D动作识别的新型骨干网络，它将基于点的技术与应用于体素映射点云序列的稀疏卷积网络相结合。实验结合了辅助点特征，包括表面法线、颜色、红外强度和身体部位解析标签，以提高识别精度。在 NTU RGB-D 120 数据集上的评估表明，该方法与现有的骨架动作识别算法具有竞争力。此外，在集成设置中结合基于传感器的和估计的深度输入，当考虑不同的人类受试者进行训练和测试时，该方法达到了 89.3% 的准确率，优于以往的点云动作识别方法。
引用
@article{arxiv.2510.05506,
title = {Human Action Recognition from Point Clouds over Time},
author = {James Dickens},
journal= {arXiv preprint arXiv:2510.05506},
year = {2025}
}