姿态估计关键点数据处理与姿态识别

Question

我尝试使用Pose Estimation对姿势进行分类，实时姿势估计输出（x，y）坐标和18个关键点的置信度。我想用这些数据来实时识别这个人的姿势

我采用的方法是只考虑坐标，输入36个值（x值和y值的组合）和一个二进制标签，比如站立（0）和蹲伏（1）。我使用了XGB分类器，但模型只是拟合过度，给出了100%的准确度，但当我测试一组新的点时，它总是预测站（0）。有时36个输入列中有nan值，所以我取该列中值的平均值来填补空白，我认为这可能会导致创建一个垃圾数据集，从而导致一个错误的分类器

所以我的问题是：

• 如何将从姿态估计器（坐标和分数）获得的数据处理为有价值的特征，就像之前我直接输入坐标一样

• 我应该如何处理丢失的坐标（数据）？当模型无法跟踪某些关键点时，这种情况会发生在实时姿态估计中

• 我应该使用什么样的分类器？XGB、KNN、DNNs、LSTMs等