摘要

基于骨架的人体动作识别近年来因3D骨架数据的流行而受到越来越多的关注。其中一个主要挑战在于捕捉到的人体动作存在较大的视角变化。我们提出了一种新颖的视角适应方案，能够在动作发生过程中自动调节观察视角。与根据人为定义的先验准则重新定位骨架不同，我们设计了一个具有LSTM架构的视角自适应循环神经网络（RNN），该网络能够从端到端地自动适应最合适的观察视角。广泛的实验分析表明，所提出的视角自适应RNN模型致力于（1）将不同视角下的骨架转换为更加一致的视角，以及（2）保持动作的连续性，而不是将每一帧都转换到相同的位置并保持相同的姿态方向。我们的模型在三个基准数据集上显著优于现有最先进的方法。