基于深度学习的人体姿态估计：综述
计算机视觉与模式识别
2023-07-06 v5 图形学
多媒体
摘要
人体姿态估计旨在从图像和视频等输入数据中定位人体部位并构建人体表示（如人体骨架）。在过去的十年中，它引起了越来越多的关注，并已被广泛应用于人机交互、运动分析、增强现实和虚拟现实等领域。尽管近期开发的基于深度学习的方案在人体姿态估计中取得了高性能，但由于训练数据不足、深度模糊和遮挡等问题，仍存在挑战。本综述论文的目标是通过基于输入数据和推理过程对这些方案进行系统分析和比较，对近期基于深度学习的2D和3D姿态估计方案进行全面回顾。本综述涵盖了自2014年以来的250余篇研究论文。此外，还包括2D和3D人体姿态估计数据集及评估指标。总结并讨论了所回顾方法在流行数据集上的定量性能比较。最后，总结了相关挑战、应用和未来研究方向。提供了一个定期更新的项目页面：\url{https://github.com/zczcwh/DL-HPE}
引用
@article{arxiv.2012.13392,
title = {Deep Learning-Based Human Pose Estimation: A Survey},
author = {Ce Zheng and Wenhan Wu and Chen Chen and Taojiannan Yang and Sijie Zhu and Ju Shen and Nasser Kehtarnavaz and Mubarak Shah},
journal= {arXiv preprint arXiv:2012.13392},
year = {2023}
}