基于递归神经网络的搏击中人体动作预测

作者：梁骥飞

来源：互联网周刊, 2022, (23): 19-21.

• 搏击
• 神经网络
• 动作预测

人体动作预测是一个相对较新且活跃的研究领域，因为它有潜力提高机器人和其他机器或人类合作的能力，例如将物体传递给人类、避免碰撞人类等，而将这种技术应用在对抗的相关研究少之又少。本文主要研究基于RGB视觉输入观测人类拳击训练者，借助递归神经网络（RNN）来预测人类搏击动作。在公检法相关人员出于职务需要在身上佩戴面向前方的电子摄像头的背景下，本文设想的产品将通过这个摄像头获取信息，对佩戴人员发出危险预警和观察对象的动作预测。本文研究并比较了六种不同的神经网络结构的性能，提出方案1，包括四个以3D关节数据为输入的模型架构，以及方案2，包括两个以RGB图像为输入的架构。基于本文所有的研究结果，发现了基于少量数据的最有效和最高效的架构。