花样滑冰骨骼点动作识别比赛

简介：该方法基于人体骨骼序列，利用视频帧间人体关节点的变化来描述动作，包括关节点的位置和外观变化。基于骨骼的方法对光线和背景变化具有更强的鲁棒性，并且有足够的特征来表达运动。同时，骨架数据的规模很小，这使得计算资源可以得到充分的利用。

label.npy 文件通过 np.load() 读取后，会得到一个一维张量，张量中每一个元素为一个值在 0-29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

数据预处理：将 2922 个 sample 划分成 2500 个和 422 个分别作为 train data 和 val data。 在比赛过程中，我们基于验证集精度进行超参选择，并将所选的超参使用全部 2922 个数据点进行训练。
读取每个sample真实非零的长度，并且每个 sample 的 xy 坐标减去该 sample 中心点的 xy 坐标， 我们将 spine 设置为中心点