本文主要是介绍用于基于骨架的动作识别的空间时间图卷积网络 ST-GCN (代码+数据集+模型)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
简介 本仓库包含论文《用于基于骨架的动作识别的空间时间图卷积网络》的相关代码、数据集和模型。
ST-GCN 动作识别演示 我们的基于骨架的动作识别演示展示了ST-GCN如何从人体骨架中提取局部模式和关联性。下图显示了我们ST-GCN最后一层中每个节点的神经响应幅度。
触摸头部 坐下 脱鞋 进食 投踢他人 掷锤 清洁与抓举 拉力器 太极拳 抛球 上一行结果来自NTU-RGB+D数据集，第二行来自Kinetics-skeleton数据集。
前提条件
- Python3（版本大于3.5）
- PyTorch
- Openpose（带Python API，仅用于演示）
- 其他Python库可以通过运行
pip install -r requirements.txt来安装
安装
1git clone https://github.com/yysijie/st-gcn.git; cd st-gcn
2cd torchlight; python setup.py install; cd ..获取预训练模型 我们提供了ST-GCN的预训练模型权重。可以通过运行以下脚本来下载模型：
1bash tools/get_models.sh您也可以从GoogleDrive或百度云获取模型，并手动将其放入./models目录下。
演示 您可以使用以下命令运行演示：
-
离线姿态估计
1python main.py demo_offline [--video ${视频路径}] [--openpose ${Openpose路径}] -
实时姿态估计
1python main.py demo [--video ${视频路径}] [--openpose ${Openpose路径}]
可选参数：
PATH_TO_OPENPOSE: 如果Openpose Python API不在PYTHONPATH中，则需要此路径。PATH_TO_VIDEO: 输入视频的文件名。
数据准备 我们在两个基于骨架的动作识别数据集上进行了实验：Kinetics-skeleton 和 NTU RGB+D。为了方便快速加载数据，在训练和测试前，数据集应转换为合适的文件结构。您可以从GoogleDrive下载预处理后的数据并解压文件：
1cd st-gcn
2unzip <st-gcn-processed-data.zip路径>否则，如果您想自己处理原始数据，请参考以下指南。
-
Kinetics-skeleton Kinetics是一个基于视频的动作识别数据集，只提供原始视频剪辑而无骨架数据。为了获得关节位置，我们首先将所有视频调整为340x256的分辨率并将帧率转换为30 fps，然后通过Openpose从每帧中提取骨架。提取的骨架数据（Kinetics-skeleton，7.5GB）可以从GoogleDrive或百度云直接下载。
解压后，通过以下命令重建数据库：
1python tools/kinetics_gendata.py --data_path <Kinetics-skeleton路径> -
NTU RGB+D NTU RGB+D可以从其官方网站下载。我们的实验只需要3D骨架模态（5.8GB）。之后，使用以下命令构建训练或评估所需的数据库：
1python tools/ntu_gendata.py --data_path <nturgbd+d_skeletons路径>其中
<nturgbd+d_skeletons路径>是您下载的NTU RGB+D数据集中3D骨架模态的位置。
测试预训练模型
-
评估在Kinetics-skeleton上预训练的ST-GCN模型：
1python main.py recognition -c config/st_gcn/kinetics-skeleton/test.yaml -
在NTU RGB+D上的跨视角评估：
1python main.py recognition -c config/st_gcn/ntu-xview/test.yaml -
在NTU RGB+D上的跨主体评估：
1python main.py recognition -c config/st_gcn/ntu-xsub/test.yaml
为了加速评估或修改批处理大小以减少内存成本，可以设置 --test_batch_size 和 --device：
1python main.py recognition -c <配置文件> --test_batch_size <批次大小> --device <gpu0> <gpu1> ...结果 提供的模型预期Top-1准确度如下：
| 模型 | Kinetics-skeleton (%) | NTU RGB+D (Cross View) (%) | NTU RGB+D (Cross Subject) (%) |
|---|---|---|---|
| 基线模型[1] | 20.3 | 83.1 | 74.3 |
| ST-GCN (我们的模型) | 31.6 | 88.8 | 81.6 |
[1] Kim, T. S., and Reiter, A. 2017. Interpretable 3d human action analysis with temporal convolutional networks. In BNMW CVPRW.
训练 要训练一个新的ST-GCN模型，运行：
1python main.py recognition -c config/st_gcn/<dataset>/train.yaml [--work_dir <工作目录>]其中 <dataset> 必须是ntu-xsub、ntu-xview或kinetics-skeleton，取决于您要使用的数据集。默认情况下，训练结果（包括模型权重、配置文件和日志文件）将保存在 ./work_dir 目录下，或如果您指定了 <工作目录> 则保存在该目录下。
您可以在命令行或配置文件中修改训练参数，如work_dir、batch_size、step、base_lr和device。优先级顺序为：命令行 > 配置文件 > 默认参数。更多信息，请使用 main.py -h 查看帮助。
最后，可以通过以下命令自定义模型评估：
1python main.py recognition -c config/st_gcn/<dataset>/test.yaml --weights <模型权重路径>这篇关于用于基于骨架的动作识别的空间时间图卷积网络 ST-GCN (代码+数据集+模型)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
