5 種計算方式

1. 原計算:單一關節之所有幀數(frame)數據(x,y)當作分母
2. 原計算 + 改變排序 + 多維dtw(dtw_ndim)
3. 新計算:當前幀數(frame)的所有關節數據(x,y)當作分母
4. 新計算 + 改變排序 + 多維dtw(dtw_ndim)
5. 新計算 + 改變排序 + 多維dtw(dtw_ndim)，所有幀數比較
6.

Human-Pose-Compare 的 score.py 探討

score.py 的內容分成三部分: L2 ， 資料排序 ， DTW

以下是 原計算 跟 新計算 在上述部份的差別:

python start_here.py –activity “punch - side” –video “true.mp4” –lookup “false.pickle”

1.原計算 解釋

資料排序-> [[x,y,x,y]]
          

這邊的 dtw 用一維跟多維，不會改變 dtw

2. 原計算 + 改變排序 + 多維dtw(dtw_ndim)

改變排序 -> 維持 [[x,y],[x1,y1]]


=> 第二點比第一點分數高，是因為改變資料排序，以二維去進行dtw

3. 新計算:當前幀數(frame)的所有關節數據(x,y)當作分母

紅色框框 : 以當前幀數(frame)的所有關節數據(x,y)當作分母

=> 新計算方式比原計算方式分數低的原因?
L2  被打亂，進入for i in range(0,17)迴圈進行dtw時失去L2原有特性(進入迴圈資料特性不是1)

4. 新計算 + 改變排序 + 多維dtw(dtw_ndim)

5. 新計算 + 改變排序 + 多維dtw(dtw_ndim)，所有幀數比較

得到-180 這個分數，是因為ip:201,model=212，會有201個1跟212個1進行dtw

6.

第5點改變L2以所有資料比較，為什麼得到分數高?
因為資料特性為1

6種計算方式架構圖 :

問題

1.會影響結果的不是DTW，而是套DTW前的資料「L2方式、date.shape(資料排序)」，最佳的資料排序為何?
2.目前比對結果尚無判斷何時「開始比對、結束比對」，這可能影響結果
3.openpose做點位移，捨棄現在的norm(改變長度)?
4.openpose是否也做resize?