# life-victory

**Repository Path**: CCUT_1024/life-victory

## Basic Information

- **Project Name**: life-victory
- **Description**: 基于无人机的人体行为识别
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-06
- **Last Updated**: 2025-06-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于无人机的人体行为识别

<p align="center">
<a href="https://ieeexplore.ieee.org/document/10478824"><img src="https://img.shields.io/badge/IEEE-Paper-blue"></a>
<a href="https://paperswithcode.com/sota/skeleton-based-action-recognition-on-ntu-rgbd-1?p=degcn-deformable-graph-convolutional-networks"><img src="https://img.shields.io/endpoint.svg?url=https://paperswithcode.com/badge/degcn-deformable-graph-convolutional-networks/skeleton-based-action-recognition-on-ntu-rgbd-1"></a>
</p>

项目详情请见 [项目说明书](https://github.com/ylyaixi/life-victory/blob/main/%E5%9F%BA%E4%BA%8E%E6%97%A0%E4%BA%BA%E6%9C%BA%E7%9A%84%E4%BA%BA%E4%BD%93%E8%A1%8C%E4%B8%BA%E8%AF%86%E5%88%AB%E8%AF%B4%E6%98%8E%E4%B9%A6.pdf)  
  
## 一、环境配置

```
Ubuntu22.04
python=3.12
torch=2.4.1
```

> 安装如下安装包

```
pip install -r requirements.txt
```



## 二、数据位置

> 数据存放于**data**目录下，将数据集解压到data目录下
>
> 数据下载：
>
> 通过百度网盘分享的文件：data.zip
> 链接：https://pan.baidu.com/s/1mn4sMx_wN8GZtwAnWQp3zQ?pwd=jcuj 
> 提取码：jcuj 
> --来自百度网盘超级会员V1的分享

### 数据处理

1. 将数据集解压到data目录下
2. 数据集处理出bone模态数据：运行`python gen_modal.py --modal bone`得到bone模态数据
3. 数据集处理出motion模态数据：运行`python gen_modal.py --modal motion`得到motion模态的数据
4. bone模态与joint模态合并：运行`python gen_modal.py --modal jmb`得到合并模态的数据
5. 将gen_modal.py文件第16行替换为`sets = {'train', 'val'}`
6. 重复2，3,   4步骤
7. 依次运行以下命令

```
python data/uav/get_angle_train.py
python data/uav/get_angle_test.py
python data/uav/get_angle_val.py

python data/uav/get_data.py --train_data_path ./data/train_joint.npy --test_data_path ./data/val_joint.npy --train_label_path ./data/train_label.npy --test_label_path ./data/val_label.npy --save_path ./data/UAV2_joint.npz

python data/uav/get_data_B.py --train_data_path ./data/train_joint.npy --test_data_path ./data/test_joint.npy --train_label_path ./data/train_label.npy --test_label_path ./data/test_label.npy --save_path ./data/UAV2B_joint.npz
```



## 三、训练

### DeGCN:

```
cd DeGCN
python main.py --config config/train/joint.yaml
python main.py --config config/train/jbf.yaml
python main.py --config config/train/jmf.yaml
python main_a.py --config config/train/angle_joint.yaml
```

### TeGCN:

```
cd TeGCN
python main.py --config ./config/train/tegcn_jb.yaml
```

### SkateFormer:

```
cd SkateFormer-main
python main.py --config ./config/uav/uav_j.yaml
python main.py --config ./config/uav/uav_b.yaml 
```

### SttFormer:

```
cd sttformer
python main.py --config ./config/train/joint.yaml --work_dir ./work_dir/train/joint
python main.py --config ./config/train/motion.yaml --work_dir ./work_dir/train/motion
```



## 四、val验证集

> 分别将训练得到的最好的权重放到work_dir的best中对验证集集进行测试。

### DeGCN:

```
cd DeGCN
python main.py --phase test --weights work_dir/best/joint/epoch_69_55752.pt --save-score true --config config/val/joint.yaml
python main.py --phase test --weights work_dir/best/jbf/epoch_73_50808.pt --save-score true --config config/val/jbf.yaml 
python main.py --phase test --weights work_dir/best/jmf/epoch_73_50808.pt --save-score true --config config/val/jmf.yaml
python main_a.py --phase test --weights work_dir/best/angle_j/epoch_70_33390.pt --save-score true --config config/val/angle_joint.yaml
```

### Tegcn:

```
python main.py --phase test --save-score true --config config/val/tegcn_jb.yaml
```

### SkateFormer:

```
cd SkateFormer-main
python main.py --config ./config/val/uav_j.yaml
python main.py --config ./config/val/uav_b.yaml
```

### SttFormer:

```
cd sttformer
python main.py  --weights ./work_dir/best/joint/joint.pt --save_score True --config ./config/val/joint.yaml --work_dir ../ensemble_results/sttformer/val/joint
python main.py  --weights ./work_dir/best/motion/motion.pt --save_score True --config ./config/val/motion.yaml --work_dir ../ensemble_results/sttformer/val/motion
```



## 五、test测试集

> 分别将训练得到的最好的权重放到work_dir的best中对测试集进行测试。

### DeGCN:

```
python main.py --phase test --weights work_dir/best/joint/epoch_69_55752.pt --save-score true --config config/test/joint.yaml
python main.py --phase test --weights work_dir/best/jbf/epoch_73_50808.pt --save-score true --config config/test/jbf.yaml
python main.py --phase test --weights work_dir/best/jmf/epoch_73_50808.pt --save-score true --config config/test/jmf.yaml
python main_a.py --phase test --weights work_dir/best/angle_j/epoch_70_33390.pt --save-score true --config config/test/angle_joint.yaml
```

### Tegcn:

```
python main.py --phase test --save-score true --config config/test/tegcn_jb.yaml
```

### SkateFormer:

```
cd SkateFormer-main
python main.py --config ./config/test/uav_j.yaml
python main.py --config ./config/test/uav_b.yaml
```

### SttFormer:

```
cd sttformer
python main.py --weights ./work_dir/best/joint/joint.pt --save_score True --config ./config/test/joint.yaml --work_dir ../ensemble_results/sttformer/test/joint
python main.py --weights ./work_dir/best/motion/motion.pt --save_score True --config ./config/test/motion.yaml --work_dir ../ensemble_results/sttformer/test/motion
```



## 六、九模态进行Score融合

```
python ensembleall.py
```

得到最终的置信度文件**pred.npy**

自动搜索参数：

1. 运行`python search.py`即可在验证集上搜索最优参数组合（每次得到的最优组合可能不同）
2. 将搜素到并保存在log.txt里的参数放入到ensembleall.py中运行即可得到**pred.npy**