人体动作识别算法及计算引擎数据集

人类的身体活动拥有固有的层次结构和细粒度的动作，使用传感器收集的活动数据(如智能手机中的传感器)建模相当复杂。可穿戴位置的变化、传感器数量的变化以及不同个体带来的活动复杂性，都会造成各种各样的限制。近年来，许多研究都致力于开发基于深度学习的自动特征提取技术。同时，在传感器、特征和分类器中，也引入了传统基于特征的模型以及不同层次的融合框架。
为此，本项目围绕人体动作识别的建模和运动行为分析，研究了不同模态传感方式下的模式识别问题。从动作识别的跨模态/跨域分析、动作识别算法的轻量化实现两个方面的需求，提出了多种运动识别算法并开展了相应的实验和验证。本文档数据集包含了课题构建的三种类型的人体运动行为识别算法的理论介绍、功能说明、核心代码及计算引擎功能说明文档。