2026年人工智能训练师行为识别标注实操试题及答案

2026年人工智能训练师行为识别标注实操试题及答案一、单项选择题（每题2分，共20分）1.在行为识别数据标注中，若一段视频帧率为30fps，标注员需对“挥手”动作的起止帧进行定位，下列哪组起止帧最符合“挥手”动作持续0.5秒的客观事实？A.第0帧至第15帧B.第1帧至第14帧C.第2帧至第17帧D.第3帧至第18帧答案：C解析：0.5秒×30fps=15帧，动作需完整包含抬起—挥动—放下，起止帧差值15帧即可，C选项差值15帧且居中，误差最小。2.对“跌倒”行为进行2D框标注时，若目标在最后一帧出现严重遮挡（仅可见头部），下列做法正确的是：A.用头部框代替全身框并标记“严重遮挡”B.放弃该帧，保持前一帧框不变C.根据前一帧比例预测全身框并标记“推测”D.直接删除该帧答案：C解析：行为识别需保证时序连续性，头部信息不足，应基于运动一致性预测全身框并加“推测”标签，既保留数据又提示风险。3.使用OpenPose输出18点骨架时，若左手腕关键点置信度0.11，低于阈值0.2，下列处理方式最佳的是：A.直接丢弃该点B.用右腕对称点镜像补全C.用线性插值补全并标记“低置信度插值”D.保持原值不变答案：C解析：丢弃会破坏拓扑结构；镜像补全假设对称性过强；线性插值利用时序邻域信息并给出警告，兼顾精度与可追溯性。4.在多人场景标注“握手”行为时，需满足的最小联合条件为：A.两人2D框IoU>0.3B.两人手腕关键点欧氏距离<手腕—肘长度的0.5倍C.两人头部框中心距离<头部框高度D.两人躯干方向夹角<90°答案：B解析：握手核心为手腕接近，B给出空间阈值且与身体比例自适应，鲁棒性高。5.对“打电话”行为进行属性标注时，下列哪项为必要属性？A.手机颜色B.通话时长C.手机是否贴耳D.手机品牌答案：C解析：是否贴耳直接决定行为真伪，其余为冗余或隐私信息。6.若标注规范要求“行为开始”定义为速度首次大于0.5m/s的帧，已知世界坐标系下人体颈部点三维坐标，计算速度所需最小数据为：A.当前帧与前一帧坐标B.当前帧与后一帧坐标C.当前帧与第一帧坐标D.当前帧与任意帧坐标答案：A解析：速度定义需相邻帧位移差分，A满足最小需求。7.在3D姿态标注中，若深度传感器误差σ_z=20mm，横向误差σ_x=5mm，则手腕点三维位置不确定度最佳表示为：A.球形区域半径20mmB.椭球区域半轴(5,5,20)mmC.立方体边长20mmD.圆柱体半径5mm、高20mm答案：B解析：各向异性误差需用椭球，半轴与σ对应。8.对“奔跑”行为进行帧级分类时，若模型输入为连续16帧，步长4帧，则1秒30fps视频可滑窗得到多少样本？A.3B.4C.5D.6答案：B解析：(30−16)/4+1=4.25，向下取整4。9.标注员发现某段视频存在“伪阳性”标签：实际为“整理头发”却被标成“打电话”，其根因最可能是：A.手机颜色与肤色相近B.手腕关键点缺失C.头发遮挡耳朵导致手机贴耳误判D.帧率过低答案：C解析：头发遮挡使手机贴耳特征被误检，C直接解释伪阳性。10.在质量抽查中，允许“行为起止帧误差”不超过±3帧，若标注员A与groundtruth相差5帧，应评定为：A.优秀B.合格C.轻微错误D.严重错误答案：D解析：5帧>3帧，属严重错误，需返工。二、多项选择题（每题3分，共15分，多选少选均不得分）11.以下哪些做法可有效降低“拥抱”行为的漏标率？A.增加侧面摄像头视角B.在标注规范中明确“背部拥抱”也需标注C.将IoU阈值从0.3降至0.1D.对遮挡区域启用“推测”标签答案：ABD解析：侧面视角与背部定义减少盲区；降低IoU会引入误检，C不可取；推测标签保留可疑样本，ABD正确。12.关于“抽烟”行为的关键点标注，需包含哪些点才能支撑后续动作链检测？A.左右手腕B.鼻尖C.中指指间D.手肘答案：ABC解析：抽烟链为手—烟—嘴，手腕与中指定位烟支，鼻尖定位嘴，手肘非必要。13.下列哪些误差来源会导致3D姿态标注的世界坐标系漂移？A.相机外参标定板角点提取误差B.深度传感器温度漂移C.人体骨架长度先验值错误D.标注员误把左脚标成右脚答案：AB解析：外参与温度直接影响世界坐标；骨架先验与左右脚错误影响局部姿态，不导致全局漂移。14.对“跌倒”行为进行紧急程度分级时，可依据哪些客观量？A.质心下降加速度峰值B.头部关键点与地面的最小距离C.跌倒后静止时长D.背景人群密度答案：ABC解析：ABC直接反映冲击与后果；人群密度与紧急程度无必然因果。15.在标注规范版本v2.1中，新增“行为不确定”标签，其适用场景包括：A.画面模糊导致无法判断B.行为被物体部分遮挡>60%C.标注员主观认为可能不是目标行为D.多行为重叠且无法区分主次答案：ABD解析：C为主观臆断，规范要求客观证据；ABD均有客观量化标准。三、判断题（每题1分，共10分，正确打“√”，错误打“×”）16.对“跑步”行为，只要双脚同时离地即可判定为真，无需考虑摆臂幅度。答案：×解析：跑步需满足“腾空+摆臂”双特征，仅腾空可能为跳跃。17.在多人场景下，若两人2D框IoU为0，则一定不会发生“握手”行为。答案：×解析：握手时手腕可跨越空间使框不重叠，IoU=0仍可能握手。18.使用高斯滤波对骨架序列平滑会改变行为起止帧定位。答案：√解析：时域平滑造成相位延迟，可能使速度阈值触发帧偏移。19.对于“打电话”行为，手机贴耳角度θ定义为手机长轴与耳—肩连线的夹角，当θ<30°时认为贴耳。答案：√解析：规范定义θ<30°为贴耳，减少远场误检。20.标注员可在无客观证据情况下基于“经验”修改算法预标结果。答案：×解析：规范禁止主观臆断，需有可见证据。21.3D姿态标注中，若相机坐标系未对齐重力方向，可直接使用原始坐标无需额外校正。答案：×解析：未对齐重力会导致“跌倒”等重力相关行为误判，需旋转校正。22.对“蹲下”行为，质心下降高度大于0.3m且膝盖角度<90°为必要条件。答案：√解析：规范明确双条件，防止弯腰误检。23.若视频帧率为15fps，则行为最短标注时长不能低于0.5秒。答案：×解析：规范允许最短8帧，15fps×0.5秒=7.5帧，可向下取整7帧，低于0.5秒亦可。24.标注质量抽查采用随机抽样与困难样本加权结合方式。答案：√解析：为平衡效率与风险，规范明确加权抽查。25.对“挥手”行为，左右手同时挥动只需标注一次，行为ID相同。答案：×解析：双手挥动视为复合行为，需分别标注两手，赋予子ID。四、填空题（每空2分，共20分）26.若相机内参矩阵为K，人体某关节在图像坐标系下齐次坐标为\mathbf{u}=[u,v,1]^T，其在相机坐标系下的深度为z，则该关节相机坐标系三维坐标\mathbf{X}_c=\_\_\_\_\_\_\_\_。答案：\mathbf{X}_c=zK^{-1}\mathbf{u}解析：由透视投影\mathbf{u}\simK\mathbf{X}_c/z，反推即得。27.在行为识别数据集中，若采用“留一法”交叉验证，且共有N名被试者，则训练集与测试集划分次数为\_\_\_\_\_\_\_\_次。答案：N解析：留一法每次留1人测试，重复N次。28.对“奔跑”行为，定义步频f为每秒步数，若连续4步耗时1.8秒，则f=\_\_\_\_\_\_\_\_Hz。答案：2.22解析：f=4/1.8≈2.22。29.若2D框标注采用左上角(x_1,y_1)与右下角(x_2,y_2)表示，则框面积A=\_\_\_\_\_\_\_\_。答案：(x_2-x_1)(y_2-y_1)30.在3D姿态标注中，若已知骨盆点在世界坐标系高度为0.92m，地面平面方程n_xx+n_yy+n_zz+d=0，则该点到地面的距离公式为\_\_\_\_\_\_\_\_。答案：\frac{|n_xx+n_yy+n_zz+d|}{\sqrt{n_x^2+n_y^2+n_z^2}}31.若行为标签采用One-hot编码，共定义12类，则“打电话”对应第5类，其One-hot向量为\_\_\_\_\_\_\_\_。答案：[0,0,0,0,1,0,0,0,0,0,0,0]32.对骨架序列进行速度计算时，采用中心差分公式，v_t=\_\_\_\_\_\_\_\_。答案：\frac{p_{t+1}-p_{t-1}}{2\Deltat}33.若标注规范要求“行为持续帧数”必须≥8帧，视频帧率为20fps，则对应最短时长为\_\_\_\_\_\_\_\_秒。答案：0.434.在多人场景中，若需对ID进行追踪，采用的匈牙利算法关联代价矩阵维度为m×n，则m表示\_\_\_\_\_\_\_\_数量。答案：当前帧检测框35.对“跌倒”行为，定义冲击指数I=\frac{\Deltav}{\Deltat}，其中\Deltav为质心速度变化量，\Deltat为0.1秒，若\Deltav=2.5m/s，则I=\_\_\_\_\_\_\_\_m/s²。答案：25五、简答题（每题10分，共20分）36.描述如何在3D多人场景中标注“递接物品”行为，并说明需记录的核心属性及对应的客观度量。答案：步骤：1)视角选择：同步RGB与深度流，确保两人手部无遮挡；若单视角遮挡，启用相邻摄像头补洞。2)关键点定位：分别标注两人手腕、手中心、物品中心3D坐标；物品中心通过点云聚类获得。3)时序定位：定义“递”为物品速度向量由A指向B且A手腕速度<0.2m/s，“接”为B手腕速度>0.2m/s且物品与B手腕距离<8cm。4)属性记录：a)物品类别（枚举：瓶子、手机、文件等）；b)递接距离：A与B手腕最小欧氏距离d_{min}；c)交接时长：物品速度<0.1m/s的持续帧数Δf；d)遮挡比例：物品可见像素/总像素比η；e)行为置信度：c=\exp(-d_{min}/0.1)\cdotη。5)标签格式：JSON，字段{“id”:42,“start_frame”:157,“end_frame”:184,“giver_id”:3,“receiver_id”:5,“object_class”:“bottle”,“d_min”:0.06,“delta_f”:9,“eta”:0.87,“confidence”:0.83}。解析：通过3D坐标、速度、遮挡比量化，避免主观判断，确保可复现。37.某段监控视频中，行人A在帧100—130被标注为“徘徊”，其世界坐标系轨迹呈“回”字形，请给出徘徊行为的数学判定模型，并说明如何自动计算徘徊次数。答案：模型：1)将轨迹投影至地平面，得二维点列P=\{(x_i,y_i)\}_{i=100}^{130}。2)计算瞬时方向角\theta_i=\mathrm{atan2}(y_i-y_{i-1},x_i-x_{i-1})。3)定义方向变化累积量\Phi_k=\sum_{i=k-w+1}^{k}|\theta_i-\theta_{i-1}|，窗长w=10。4)若\Phi_k>2\pi，则记一次循环；阈值2\pi表示方向完成360°变化。5)遍历k得总循环次数N=\sum_{k}\mathbb{1}_{\Phi_k>2\pi}。示例：经计算\Phi_{120}=6.5>2\pi，N=1，故徘徊1次。解析：利用方向角累积量量化回转，无需预设区域，适应任意规模回字轨迹。六、实操题（共15分）38.给定一段30fps、时长3秒的视频，文件“test_video.mp4”，已预提取OpenPose18点骨架JSON（每帧一个文件，命名frame_%06d_keypoints.json），请完成以下任务并提交代码与结果截图：任务：a)自动检测“挥手”行为，输出起止帧与左右手标签；b)对检测到的挥手段，计算挥手频率（Hz）；c)生成可视化，叠加骨架与挥手阶段（红=抬起，绿=挥动，蓝=放下）；d)将结果写入CSV：frame_id,hand_label,phase,frequency。要求：使用Python，允许调用OpenCV、NumPy、Pandas、Matplotlib；不得使用任何预训练行为分类模型，需基于规则实现；规则需利用手腕y坐标周期性与速度阈值；附关键代码段与最终CSV前10行。答案与解析：关键代码：```pythonimportjson,glob,numpyasnp,pandasaspd,cv2,matplotlib.pyplotaspltfps=30wrist_ids={'left':7,'right':4}#OpenPose索引files=sorted(glob.glob('frame__keypoints.json'))files=sorted(glob.glob('frame__keypoints.json'))ys={side:[]forsidein['left','right']}forfinfiles:kp=json.load(open(f))['people'][0]['pose_keypoints_2d']forsidein['left','right']:y=kp[wrist_ids[side]3+1]y=kp[wrist_ids[side]3+1]ys[side].append(y)defdetect_wave(y):y=np.array(y)v=np.gradient(y)peaks=[]foriinrange(1,len(v)-1):ifv[i-1]<0andv[i+1]>0andabs(v[i])>5:#5像素阈值peaks.append(i)waves=[]foriinrange(len(peaks)-1):if10<=peaks[i+1]-peaks[i]<=50:#0.33~1.67秒周期waves.append((peaks[i],peaks[i+1]))returnwavesres=[]forsidein['left','right']:waves=detect_wave(ys[side])forstart,endinwaves:freq=1/((end-start)/fps)forfinrange(start,end+1):phase='raise'iff<start+5else'wave'iff<end-5else'lower'res.append({'frame_id':f,'hand_label':side,'phase':phase,'frequency':round(freq,2)})df=pd.DataFrame(res)df.to_csv('wave_result.csv',index=False)print(df.head(10))```CSV前10行示例：frame_id,hand_label,phase,frequency45,left,raise,0.8846,left,raise,0.8847,left,wave,0.8848,left,wave,0.8849,left,wave,0.8850,left,lower,0.8851,left,lower,0.8852,right,raise,1.0753,right,raise,1.0754,right,wave,1.07解析：通过手腕y坐标谷—峰—谷周期检测挥手，规则阈值经实验统计确定，频率=1/周期，可视化用颜色区分阶段，满足零模型要求。七、计算题（共10分）39