3DYoga90

3DYoga90是由韩国大学开发的一个全面开放的瑜伽动作识别和姿态评估数据集。该数据集包含90种不同的瑜伽姿势，分为三个级别的标签层次结构，涵盖了RGB视频和3D骨骼序列。数据集通过精心筛选的YouTube视频和专业瑜伽教练的参与创建，旨在推动瑜伽动作识别技术的研究和发展。

3DYoga90 is a comprehensive open dataset for yoga action recognition and pose assessment developed by universities in South Korea. It includes 90 distinct yoga poses, structured with a three-level label hierarchy, and covers both RGB videos and 3D skeleton sequences. The dataset was constructed using carefully curated YouTube videos and with the participation of professional yoga instructors, aiming to advance the research and development of yoga action recognition technologies.

搜集汇总

数据集介绍

构建方式

3DYoga90数据集的构建，首先由一个由六人组成的团队，包括三名瑜伽教练，精心收集和整理了来自YouTube的RGB瑜伽姿势视频和3D骨架序列。为了确保数据的多样性和覆盖面，团队在2023年6月至7月期间，使用英语、韩语、梵语等多种语言进行搜索，收集了30分钟以内的原始视频，并从中提取了30秒内的目标姿势片段。此外，数据集采用了三级的标签层次结构，其中第一级和第二级与Yoga-82数据集保持一致，而第三级则新增了九个姿势，使得数据集更加全面和细致。

特点

3DYoga90数据集具有以下几个显著特点：首先，它包含90个不同的瑜伽姿势，是目前为止最大的瑜伽姿势视频数据集。其次，该数据集采用了三级的标签层次结构，使得分类更加细致和精确。第三，数据集由RGB瑜伽姿势视频和3D骨架序列组成，提供了丰富的数据类型，有助于提高模型的识别和评估能力。最后，3DYoga90数据集是目前公开资源中最大的RGB视频和3D骨架序列集合，为瑜伽动作识别和姿势评估的研究提供了宝贵的资源。

使用方法

使用3DYoga90数据集的方法主要包括以下步骤：首先，从GitHub下载数据集和代码。然后，使用数据集中的RGB视频和3D骨架序列进行模型训练。在训练过程中，可以采用三种不同的DNN模型变体进行基准测试，以评估模型的性能。最后，根据实验结果，可以进一步优化模型结构和参数，以提高模型的识别和评估能力。

背景与挑战

背景概述

随着瑜伽和普拉提等锻炼形式的日益流行，人工智能领域对专业锻炼视频数据集的需求日益增长。本研究中，我们开发了3DYoga90数据集，它采用三层标签层次结构组织。我们扩展了现有最先进数据集中的姿势数量，从82个增加到90个。我们的数据集包括精心策划的RGB瑜伽姿势视频和3D骨架序列。这个数据集由一个由六人组成的专门团队创建，包括瑜伽教练。它作为最全面的公开数据集之一，在公开资源中拥有最大的RGB视频和3D骨架序列集合。这一贡献有可能极大地推动瑜伽动作识别和姿势评估领域的发展。此外，我们还进行了实验以评估我们提出的实际数据集的实用性。我们使用了三种不同的模型变体进行基准测试。

当前挑战

1)所解决的领域问题的挑战：瑜伽姿势识别的挑战在于其涉及连续运动范围广泛的动作，即使在单个姿势内也是如此。因此，对能够捕获这些微妙动作单元的全面数据集的需求日益明显。然而，目前显然缺乏提供细粒度类别的公开视频数据集，这些类别适用于有效的模型训练。2)构建过程中所遇到的挑战：数据不足的问题有两个主要因素：需要特定领域的专业知识，以及网络上可用的数据稀缺。我们通过招募三名瑜伽教练来确保姿势分类和数据收集的精确性来应对这些挑战。为了增强数据多样性，我们在包括英语、韩语、日语、梵语在内的多种语言中进行了搜索。我们还利用了现有的网络视频，如YouTube，来构建数据集，这带来了数据版权和访问权限的问题。

常用场景

经典使用场景

3DYoga90数据集在瑜伽动作识别和姿势评估领域中的应用至关重要。该数据集提供了一个丰富的资源，包含了90种不同的瑜伽姿势，并且组织成了一个三层标签层次结构。研究人员可以利用这个数据集来训练和评估各种深度学习模型，以实现瑜伽动作的自动识别和姿势的精确评估。此外，3DYoga90数据集还可以用于研究不同瑜伽姿势对身体的影响，以及如何通过瑜伽动作来提高健康和福祉。

解决学术问题

3DYoga90数据集解决了瑜伽动作识别和姿势评估领域中的几个常见问题。首先，它提供了一个大规模的瑜伽动作数据集，克服了之前数据集规模较小的问题。其次，它包含了精细的标签层次结构，使得研究人员可以更精确地进行瑜伽动作分类。最后，它提供了RGB视频和3D骨架序列数据，使得研究人员可以同时利用图像和骨架信息来进行瑜伽动作识别和姿势评估。这些贡献对于推动瑜伽动作识别和姿势评估领域的发展具有重要意义。

衍生相关工作

3DYoga90数据集的发布推动了瑜伽动作识别和姿势评估领域的研究进展。基于3DYoga90数据集，研究人员开发了许多相关的经典工作，包括瑜伽动作识别算法、姿势评估模型和智能瑜伽教练系统等。这些研究工作为瑜伽动作识别和姿势评估领域的发展提供了重要的基础和启示。此外，3DYoga90数据集的发布还促进了跨学科的研究，例如将瑜伽动作识别技术应用于其他领域，如舞蹈动作识别、体育动作识别等。这些研究工作为瑜伽动作识别和姿势评估领域的发展带来了新的机遇和挑战。