基于视角适应的循环神经网络用于高精度人体动作识别的骨骼数据处理

基于骨架的人体动作识别近年来因3D骨架数据的流行而受到越来越多的关注。其中一个主要挑战在于捕捉到的人体动作存在较大的视角变化。我们提出了一种新颖的视角适应方案，能够在动作发生过程中自动调节观察视角。与根据人为定义的先验准则重新定位骨架不同，我们设计了一个具有LSTM架构的视角自适应循环神经网络（RNN），该网络能够从端到端地自动适应最合适的观察视角。广泛的实验分析表明，所提出的视角自适应RNN模型致力于（1）将不同视角下的骨架转换为更加一致的视角，以及（2）保持动作的连续性，而不是将每一帧都转换到相同的位置并保持相同的姿态方向。我们的模型在三个基准数据集上显著优于现有最先进的方法。