基于手工制作和深度学习特征的人体动作识别的任务书.docx

基于手工制作和深度学习特征的人体动作识别的任务书
任务题目：基于手工制作和深度学习特征的人体动作识别
任务目的：
人体动作识别是计算机视觉领域的一个重要问题。它能够帮助人们更好地理解人类行为、识别人类目的和意图，从而为各种应用场景提供支持和服务。本任务目的在于探究基于手工制作和深度学习特征的人体动作识别技术，并提高对该技术的认识和应用能力。
任务内容：
本任务要求选手使用手工制作和深度学习特征相结合的方式实现人体动作识别。任务内容包括以下三个部分：
1.数据收集和预处理
选手需要自行收集或者利用公开数据库等相关资源获取人体动作的视频或序列图像数据。然后需要对数据进行预处理，包括图像格式转换、图像裁剪、数据增强、数据归一化等操作，以便于后续处理和分析。
2.手工特征提取
选手需要使用手工方法对预处理后的数据进行特征提取。手工特征可以采用基于运动信息的提取方法，例如在每一帧图像中提取人体关节点的位置、速度、加速度信息等。也可以采用基于形态学的方法，例如提取人体的外形、姿态、展开等特征。
3.深度学习特征提取和分类
选手需要使用深度学习方法对预处理后的数据进行特征提取和分类。深度学习模型可以采用传统的卷积神经网络、循环神经网络、自编码器等模型，也可以采用最新的变体网络和结构化网络。选手需要尝试不同的网络结构、损失函数和正则化方法等，以提高性能和泛化能力。
任务指标：
本任务将综合考核选手的数据获取、预处理、特征提取、深度学习模型设计和评估等能力。特别是要求选手通过实现和比较，探究手工提取特征和深度学习特征在人体动作识别中的优缺点，评价其在不同数据集上的表现。任务指标包括模型准确率、模型鲁棒性、模型性能和实现复杂度等方面。
任务要求：
1.选手需熟练掌握Python编程、深度学习库和人体动作识别相关知识；
2.选手需遵守竞赛规则和学术道德，保证所使用的数据和代码符合法律和道德要求；
3.选手需提交代码和实验报告，报告包括任务简介、数据集和预处理、特征提取和深度学习模型设计、实验结果和分析等内容。代码需附注释和详细说明，以便于他人使用和实现；
4.选手需具备独立思考、创新和团队合作能力，注重实验细节和结果分析。
参考文献：
[1]WangL,XiongY,WangZ,etal.Temporalsegmentnetworks:Towardsgoodpracticesfordeepactionrecognition[C]//ECCV.2016:20-36.
[2]G.Liu,F.Zhang,M.Yang,J.Luo,IdentifyingHumanActionswithDepth-AssistedAttentionConvolutionalNeuralNetworks,inProceedingsofIEEEConferenceonComputerVisionandPatternRecognition,SaltLakeCity,UT,USA,2018.
[3]Y.Gao,M.Yang,H.Zhang,S.Li,andW.Zhang,Keepitsimple:Single-imagecrowdcountingvianon-parametricCNNkernel,inProceedingsofIEEEConferenceonComputerVisionandPatternRecognition,LasVegas,NV,USA,2016.
[4]Hasanpour,Saeed&Rouhani,Mohammad&Fayyaz,Mohsen&Sabokrou,Mohammad.(2019).AnEmpiricalStudyofConvolutionalNeuralNetworksforActionRecognition.IEEEtransactionsonneuralsystemsandrehabilitationengineering:apublicationoftheIEEEEngineeringinMedicineandBiologySociety.PP.1-11.10.1109/TNSRE.2019.2900788.