使用两个Azure Kinect传感器捕捉到的人体跟踪行走动作的数据集

科学领域:

• 计算机视觉 计算机视觉
• 生物机械工程 生物机械工程
• 数据科学数据科学数据科学

背景情况:

• 准确的人类运动捕捉对于开发先进的人工智能应用程序至关重要.
• 现有的数据集可能缺乏用于特定任务 (如步态识别) 所需的细节或捕获方法.
• 同时捕捉多个设备提供更丰富,更高保真度的运动数据.

研究的目的:

• 引入一个全面的数据集,同步的身体跟踪信息.
• 为培训和评估人类运动预测算法提供资源.
• 促进步态分析,动作识别和监控方面的研究.

主要方法:

• 收集了15名参与者的315个步行序列,使用两个交叉的Azure Kinect设备.
• 使用了Azure Kinect传感器SDK和微软官方的数据采集和处理工具.
• 记录了每一个序列和轨迹的32个轨道接头的位置和方向.

主要成果:

• 创建了一个数据集,每个参与者有21个序列,详细说明了共同的立场和方向.
• 包含 JSON 格式的时间标身体跟踪数据,用于流融合.
• 提供了一个校准文件,用于两个捕获设备之间的坐标映射.

结论:

• 该数据集是人工智能驱动的人类运动分析的宝贵资源.
• 实现了神经网络训练的进步,用于运动预测和步态识别.
• 支持开发用于动作识别和监控应用程序的算法.