h36m论文阅读

11个专业演员，女性5，男性6，BMI分布17到29，其中7个（3女+4男）用于训练验证，4个（2女+2男）用于测试。数据被分成15个场景，包含许多不对称的类型。

关节坐标和关节角度骨架表达：包括相对的3D坐标 relative 3D joint positions (R3DJP)，运动学表达kinematic representation (KR)。前者坐标是相对的，相对根关节盆骨关节，根关节为坐标系的中心。后者就是各个肢体之间的相对关节角度等等信息。

此外，单目预测数据集可以通过旋转平移4摄像头操作。

附上Human3.6M的32个关键点对应的名称：

官方文件里给的结构是这样的：

names_31 = ["Pelvis", "R Hip", "R Knee", "R Ankle", "R ToeBase", "Site",
"L Hip", "L Knee", "L Ankle", "L ToeBase", "Site",
"Spine", "Spine1", "Neck", "Head", "Site",
"L Shoulder", "L Arm", "L Elbow", "L Wrist", "L HandThumb", "Site", "L_Wrist_End", "Site",
"R Shoulder", "R Arm", "R Elbow", "R Wrist", "R HandThumb", "Site", "R_Wrist_End", "Site"
]

但实际上使用时发现有几点对应错误：修改为

names_31 = ["Pelvis", "R Hip", "R Knee", "R Ankle", "R ToeBase", "Site",
"L Hip", "L Knee", "L Ankle", "L ToeBase", "Site",
"Spine", "Spine1", "Neck", "Nose", "Head",
"L Arm", "L Shoulder", "L Elbow", "L Wrist", "L HandThumb", "Site", "L_Wrist_End", "Site",
"R Arm", "R Shoulder", "R Elbow", "R Wrist", "R HandThumb", "Site", "R_Wrist_End", "Site"
]

另外，如果需要读取里面的分割图文件，需要使用h5py，可以使用：

with h5py.File(seg_path, 'r') as bs:
     segments = bs[bs['Masks'][int(seg_index)][0]]