以游泳为例的基于动作条件的连续人体姿态估计用于运动员表现分析
计算机视觉与模式识别
2020-04-22 v1
摘要
本文考虑真实世界游泳者视频中的人体姿态估计问题。游泳水道允许用单一固定摄像机同时在水面上和水下拍摄游泳者。这些记录可用于定量评估运动员的表现。迄今为止,定量评估需要手动标注每视频帧中的身体部位。因此我们应用CNN的概念以自动推断所需的姿态信息。从现成架构出发,我们开发扩展以利用动作信息——在我们的案例中为运动员的泳姿——以及视频记录的连续性。我们的主要贡献有三方面:(a)我们应用并评估了微调的卷积姿态机架构作为极具挑战的水下环境中的基线,并讨论其错误模式;(b)我们提出向全卷积架构输入泳姿信息的扩展;(c)修改架构以用于视频中的连续姿态估计。通过这些添加,我们实现了可靠的姿态估计,与基线架构相比正确身体关节检测最多提升+16%。
引用
@article{arxiv.1802.00634,
title = {Activity-conditioned continuous human pose estimation for performance analysis of athletes using the example of swimming},
author = {Moritz Einfalt and Dan Zecha and Rainer Lienhart},
journal= {arXiv preprint arXiv:1802.00634},
year = {2020}
}
备注
10 pages, 9 figures, accepted at WACV 2018