在具有挑战性的治疗场景中的一次性动作识别

单次动作识别旨在从单一参考示例（通常称为锚定示例）中识别新的动作类别。本文提出了一种新颖的方法，用于在真实环境中进行单次动作识别，该方法计算出对不同运动学条件具有鲁棒性的运动表示。通过评估锚定示例和目标示例的运动表示来实现单次动作识别。此外，我们还开发了一系列互补步骤，以提升在最具挑战性场景中的动作识别性能。我们的方法在公开的NTU-120单次动作识别基准上进行了评估，结果优于以往的动作识别模型。此外，我们还在自闭症患者的治疗实际应用中对框架进行了评估。这些记录特别具有挑战性，因为患者运动过程中存在高水平的伪影。我们的研究结果不仅提供了定量指标，还提供了在线定性指标，这对于治疗过程中的患者评估和监测至关重要。