动作识别的问题

平时在项目中会经常遇到动作识别的算法，比如抽烟识别、打电话识别，甚至打架识别，打砸识别。

抽烟识别，和打电话识别，因为有比较标准的边界，比如有烟，有电话，还好约束一些。
但是像打架识别，大家项目中遇到的时候，一般采用什么样的方案呢？

首先这个问题可以拆分为两个问题：
1、关键点检测->姿态
2、这个姿态是什么姿态，怎么区分的。

目前常见的姿态识别有两类，top-down和bottom-up，top-down是先用目标检测的或者实例分割从画面中提取人物，再对关键点进行预测。
bottom-up是生成人体关节点的预测，之后将这些关节点组装成一个人体实例

我们以openpose举例，
二维多人关键点实时识别:
    15、18或 25个身体/脚部的关键点识别，运算时间与检测出的人数无关。2*21个手部关键点识别。目前，运算时间取决于检测出的人数。70个面部关键点的识别。目前，运算时间取决于检测出的人数。

我们可以先检测出人体的关键点，然后通过分析关键点来判断行为。如题，想要判断两个人是否打架，我们可以看两个人的关键点是否有重叠，和交叉，或者比较混乱，当然仅仅如此肯定是不够的，万一他们是在打太极或者是亲吻怎么办，那么我们还可以加上速度判断，两个人打架肯定不会是慢悠悠的。
怎么判断速度呢，可以去计算同一关键点，前后两帧或者几帧的距离。

宗上，是我对于打架识别所提供的方案思路。

SonBo 发表于 2023-9-12 03:27 PM
首先这个问题可以拆分为两个问题：
1、关键点检测->姿态
2、这个姿态是什么姿态，怎么区分的。

感谢回复，目前在用的也是这种方式，利用yolo-pose对全身的关键点检测，然后通过业务逻辑，判断两个人体框有交集的人，全身的关键点的交叉方式。