English | 简体中文
数据集Figure Skating Dataset (FSD-10)旨在通过花样滑冰研究人体的运动。在花样滑冰运动中，人体姿态和运动轨迹相较于其他运动呈现复杂性强、类别多的特点，有助于细粒度图深度学习新模型、新任务的研究。
在FSD-10 中，所有的视频素材从2017 到2018 年的花样滑冰锦标赛中采集。源视频素材中视频的帧率被统一标准化至每秒30 帧，并且图像大小是1080 * 720 来保证数据集的相对一致性。之后我们通过2D姿态估计算法Open Pose对视频进行逐帧骨骼点提取，最后以.npy格式保存数据集。
训练数据集与测试数据集的目录结构如下所示：
train_data.npy # 1400
train_label.npy # 1400
test_A_data.npy # 300
test_B_data.npy # 300其中train_label.npy通过np.load()读取后会得到一个一维张量，每一个元素为一个值在0-9之间的整形变量代表动作的标签；data.npy文件通过np.load()读取后，会得到一个形状为N×C×T×V×M的五维张量，每个维度的具体含义如下：
| 维度符号 | 维度值大小 | 维度含义 | 补充说明 |
|---|---|---|---|
| N | 样本数 | 代表N个样本 | 无 |
| C | 3 | 分别代表每个关节点的x, y坐标和置信度 | 每个x，y均被放缩至-1到1之间 |
| T | 1500 | 代表动作的持续时间长度，共有1500帧 | 有的动作的实际长度可能不足1500，例如可能只有500的有效帧数，我们在其后重复补充0直到1500帧，来保证T维度的统一性 |
| V | 25 | 代表25个关节点 | 具体关节点的含义可看下方的骨架示例图 |
| M | 1 | 代表1个运动员个数 | 无 |
骨架示例图：
数据集即将开放下载~
由于版权原因，RGB数据暂不开放。
- FSD-10: A Dataset for Competitive Sports Content Analysis, Shenlan Liu, Xiang Liu, Gao Huang, Lin Feng.