cs5512_project:人工智能II课程项目。 从视频数据中对动作和行为进行分类

介绍 与环境的交互是在不确定性下运行的人工智能系统的一个重要方面。 特别是，人机交互为代理提供了一种更具感知力和动态性的方式。 这种交互的一个例子是理解手势和动作。 人类的手势识别非常直观，一个例子就足以学习。 而对于计算机来说，这可能是一个复杂的分类问题。 然而，近年来有许多竞赛致力于解决手势识别问题，仅给出一个训练示例[1][2]。 我们试图通过将帧序列（包含手势）分类为动作来建立这些努力。 通过开发更高级别的抽象，人工智能系统可以直观地理解一系列环境并与之交互。 凭借感知人类行为的能力，计算机和机器人可以提供更多效用，并使人工智能和 HCI 中的长期目标更加紧密。 数据 我们计划使用来自 ChaLearn 2015 行动/交互识别竞赛的数据[3]。 数据由基于 11 个不同动作注释的 200 多个动作实例组成。 视频中包含的一些动作示例包括蹲伏、挥手、步行和拥抱。 该数据集总共包含来