人体动作数据

为人体动作识别定制视频数据

动作识别数据需要帮助模型区分目标动作、相似动作与日常背景行为。VWU.AI 按约定的动作定义、场景变量和标注规则生产人物行为视频,并在样本阶段核对任务是否清楚可辨。

请提供动作列表、目标摄像机视角和评估方式。片段标签、动作时间区间、人物角色与人—物交互需求可一起纳入生产说明。

将动作类别转换为可观察的规则

动作名称相近,并不意味着标签规则相同。先写清楚目标动作、参与对象和可见证据,再确定是否需要片段级或时间区间级标注。

01

动作分类

给每个类别写可观察的定义、正例和容易混淆的反例。明确“拿起物体”和“持有物体”是分开的类别还是同一行为阶段,避免只按句子相似度合并标签。

02

动作时间定位

若模型需要找到动作发生的区间,应约定开始、结束与中断条件。手部接触物体、物体开始移动、动作完成可以是不同的时间标记,不能混用。

03

人—物交互

记录谁在动作、与哪个物体交互以及对象可见性。把动作主体与被交互对象分开,讨论遮挡、物体离开画面和多人同时动作时的处理。

04

场景变化

按实际部署需要变化人物、环境、相机角度、动作速度和光照。先确认动作在目标视角下能够被观察,再扩展其他条件。

一个可执行的动作需求表

以下示例用于说明如何区分动作,不是已经交付的数据目录。你可以按模型目标替换类别与边界。

动作定义需要观察的证据相似负例或边界
拿起物体目标人物接触物体并使其离开原位置仅指向物体;他人拿起;已持有物体
转身看向后方约定人物完成可辨的转身或转头动作仅眼神变化;转向其他方向;被遮挡
人物之间传递物体给出者、接收者与物体转移顺序可见举起展示但未交接;交接发生在画面外
背景与未知行为明确不属于目标动作或无法确认不应强迫归入最接近的已知类别

按角色与时间组织记录

下面的结构是用于讨论输出的示意,不包含客户样本,也不代表任何具体动作已通过可行性验证。

{
  "clip_id": "illustrative_action_001",
  "action": "pick_up_object",
  "actor_id": "person_01",
  "object_id": "object_01",
  "start_seconds": 2.0,
  "end_seconds": 4.1,
  "visibility": "visible",
  "label_schema_version": "draft_1"
}

如果需要目标框、关键点或逐帧轨迹,请补充定义和坐标规则。它们属于需要确认的独立标注范围,不会因为存在动作标签就自动包含在交付中。

让数据检查围绕识别任务展开

请把接受与拒绝样本的规则写在生产前,保持训练需求、审核标准和交付标签一致。

01

动作确实发生

逐段核对动作主体、动作顺序与对象变化。图片看起来合理但没有完成目标动作的片段,应按约定返修或排除。

02

负例有明确作用

为相似动作和背景行为保留清楚定义。避免负例只来自完全不同的环境,否则模型可能依赖场景区别而不是动作本身。

03

分组检查重复与泄漏

记录来源、场景组及相似版本。评估拆分应考虑共享人物、环境和近似片段,避免同一段动作的轻微变化跨越训练与测试集合。

04

交付可追溯

提供约定的文件清单、标签字典、时序或描述记录。将样本验收意见与规则版本相连,便于定位后续生产中的同类问题。

动作识别项目常见问题

可先用一个动作及其反例验证规则,再扩展到更大的动作词表。

01

能否覆盖任意动作?

具体动作与画面条件需要先评估并验证样本。描述清楚人物、对象、顺序与时长,会比只给一个动作名称更有利于确定可行性。

02

需要真实采集还是合成视频?

根据动作约束、已有素材与目标用途讨论生产方式。合成视频应保留来源说明,并在你的真实任务条件下验证适用性。

03

是否可以沿用已有类别表?

可提供现有类别表、边界样例和导出格式。先识别定义不清、重叠与缺失类别,再通过小样本对齐标注。

04

如何确定数量?

先确认需要覆盖哪些动作、人物和场景组合,以及如何评估。具体数量与生产安排按项目确定,不将视频条数直接等同于模型收益。

定义模型需要区分的动作

提供任务、场景、视频与标注要求以及目标时间表,先讨论可验证的项目样本。