基于稀疏表示的3D人体姿态估计贝叶斯框架
计算机视觉与模式识别
2014-12-02 v1
摘要
本文提出一种基于稀疏表示（SR）从单目图像进行3D人体姿态估计的贝叶斯框架。我们的概率方法旨在同时学习两个过完备字典（一个用于视觉输入空间，另一个用于姿态空间），并共享稀疏表示。现有的基于SR的姿态估计方法仅提供字典和稀疏编码的点估计，因此在训练样本数量较少时可能不可靠。我们的贝叶斯框架从带标签的训练数据中估计稀疏编码和字典的后验分布，因此对小规模训练数据的过拟合具有鲁棒性。在各种人体活动上的实验结果表明，所提出的方法优于当前最先进的姿态估计算法。
引用
@article{arxiv.1412.0062,
title = {A Bayesian Framework for Sparse Representation-Based 3D Human Pose Estimation},
author = {Behnam Babagholami-Mohamadabadi and Amin Jourabloo and Ali Zarghami and Shohreh Kasaei},
journal= {arXiv preprint arXiv:1412.0062},
year = {2014}
}
备注
Accepted in IEEE Signal Processing Letters (SPL), 2014