VI-Net：视角不变的人体运动质量评估
计算机视觉与模式识别
2020-08-13 v1
摘要
我们提出了一种不依赖骨架数据的人体运动质量评估的视角不变方法。我们的端到端卷积神经网络由两个阶段组成：首先由RGB图像为每个身体关节生成视角不变的轨迹描述子，然后所有关节的轨迹集合被一个适配的预训练2D CNN（如VGG-19或ResNeXt-50）处理，以学习不同身体部位间的关系并给出运动质量分数。我们发布了唯一公开可用的多视角、非骨架、非动作捕捉的康复运动数据集（QMAR），并给出了该数据集上跨受试者与跨视角场景的结果。我们表明，VI-Net在仅以两个视角训练时，跨受试者平均秩相关为0.66，在未见视角上为0.65。我们还在单视角康复数据集KIMORE上评估了所提方法，获得0.66的秩相关，而基线为0.62。
引用
@article{arxiv.2008.04999,
title = {VI-Net: View-Invariant Quality of Human Movement Assessment},
author = {Faegheh Sardari and Adeline Paiement and Sion Hannuna and Majid Mirmehdi},
journal= {arXiv preprint arXiv:2008.04999},
year = {2020}
}
备注
13 pages, 6 figures, 7 tables