结合局部表观与整体视角：用于人体姿态估计的双源深度神经网络
计算机视觉与模式识别
2015-04-28 v1
摘要
我们提出了一种基于学习的新方法，使用双源深度卷积神经网络（DS-CNN）从单幅图像估计 2D 人体姿态。最近，许多方法通过利用从生理学启发的图模型估计或从整体视角学习的姿态先验来估计人体姿态。在本文中，我们提议整合局部（身体）部位表观与每个局部部分的整体视角，以实现更准确的人体姿态估计。具体而言，所提出的 DS-CNN 将一组图像块（训练时采用类别无关的目标提议，测试时采用多尺度滑动窗口）作为输入，然后通过考虑它们在完整身体中的整体视角来学习每个局部部位的外观。利用 DS-CNN，我们同时实现了关节检测（判断图像块是否包含身体关节）和关节定位（找到关节在图像块中的精确位置）。最后，我们开发了一种算法，结合来自所有图像块的这些关节检测/定位结果以估计人体姿态。实验结果表明，通过与基于从生理学启发的图模型估计或从整体视角学习的姿态先验的 state-of-the-art 人体姿态估计方法进行比较，所提方法的有效性。
引用
@article{arxiv.1504.07159,
title = {Combining Local Appearance and Holistic View: Dual-Source Deep Neural Networks for Human Pose Estimation},
author = {Xiaochuan Fan and Kang Zheng and Yuewei Lin and Song Wang},
journal= {arXiv preprint arXiv:1504.07159},
year = {2015}
}
备注
CVPR 2015