基于深度多视角二维姿态的三维人体姿态估计
计算机视觉与模式识别
2019-02-11 v1
摘要
人体姿态估计——识别视频中人体肢体位置与朝向的过程——具有许多重要应用，包括监控、运动障碍诊断以及计算机动画。尽管深度学习在单视频源的二维与三维姿态估计方面取得了巨大进展，但从具有重叠视场的多视频传感器估计三维人体姿态的问题受到的关注较少。当应用允许使用多台相机时，通过融合多视角姿态估计以及观测在某些视角中被完全或部分遮挡的肢体，三维人体姿态估计可大幅改善。以往的多视角三维姿态估计方法使用概率图模型来推理约束，包括逐图像姿态估计、时间平滑性与肢体长度。本文提出一种针对多人的多视角三维姿态估计流程，其将最先进的二维姿态检测器与由置信传播优化的三维肢体约束因子图相结合。我们在 TUM-Campus 与 Shelf 多人体三维姿态估计数据集上评估了结果，并表明我们的系统以更简单的肢体依赖模型显著优于先前的最优方法。
引用
@article{arxiv.1902.02841,
title = {3D Human Pose Estimation from Deep Multi-View 2D Pose},
author = {Steven Schwarcz and Thomas Pollard},
journal= {arXiv preprint arXiv:1902.02841},
year = {2019}
}