骨架不会撒谎：AI 能解码你的动作吗？

🦴📊 骨架不会撒谎：AI 能解码你的动作吗？ 🤖

---

🧾 描述

我们给定了一个包含人类运动序列的数据集，每个序列由多个帧 (FrameNumber) 组成。
每一帧包含 25 个身体关节的 3D 位置，由以下坐标表示：
J1X, J1Y, J1Z, ..., J25X, J25Y, J25Z。

每一帧都与一个序列标识符 (IDSample) 和两个标签相关联：

• Action — 所执行的动作
• Camera — 记录该序列的摄像机

为了更好地理解 25 个关节的空间分布：

---

🔢 可能的动作

• 0: 穿夹克 (wear jacket)
• 1: 脱掉帽子 (take off a hat/cap)
• 2: 单脚跳 (hopping/one foot jumping)
• 3: 跳起 (jump up)
• 4: 摔倒 (falling)

---

🎥 可能的摄像机角度

• 1: 45° 视角（左侧或右侧）
• 2: 正面视角
• 3: 侧面视角（左侧或右侧）

---

🧮 子任务 1 — 统计每个序列的帧数 (10 分)

对于每个唯一的 IDSample，确定测试数据集 (test_data.csv) 中有多少个可用帧。
此分析有助于了解每个动作数据的时空分布。

---

🧠 子任务 2 — 序列级动作分类 (40 分)

使用训练数据，训练一个能够识别帧序列中所执行动作的分类模型。
将模型应用于测试数据，并为每个唯一的 IDSample 预测最可能的动作。

📊 评估指标

模型的性能将使用准确率 (Accuracy) 进行评估，定义如下：

要获得满分，达到的准确率必须至少为 0.965。

---

🎥 子任务 3 — 摄像机识别 (50 分)

使用训练数据，训练一个能够预测给定帧序列是由哪台摄像机录制的模型。
将模型应用于测试集，并为每个 IDSample 指定预测为最可能的摄像机。

📊 评估指标

模型性能同样使用准确率 (Accuracy) 进行评估：

要获得满分，达到的准确率必须至少为 0.8。

---

📦 输出格式

最终结果必须是一个名为 output.csv 的 CSV 文件，包含恰好 3 列：

subtaskID	datapointID	answer
1	test_data.csv 中的 IDSample	该子任务对应的答案

---

🗂️ 有用资源

• 完整入门工具包 – 包含开始解决问题的代码框架。
• 题目说明 PDF – 包含任务的详细描述和图表。