用于人体姿态估计的增强型部件混合模型
计算机视觉与模式识别
2015-01-29 v2
摘要
部件混合模型已成功应用于二维人体姿态估计问题，既可作为显式训练的身体部件模型，也可作为整体人体模型的潜变量。部件混合模型通常利用树结构来表示身体部件之间的关系。树结构便于模型的训练与参考，但无法处理重复计数问题，这阻碍了其在三维姿态估计中的应用。虽然大多数针对解决这些问题的研究倾向于修改树模型或优化目标，但我们引入了来自输入特征的其他线索。例如，在监控环境中，尽管不完美，但可以相对容易地提取人体轮廓。在这种情况下，我们可以将提取的人体区域与梯度直方图特征相结合，后者常用于部件混合模型中训练身体部件模板。在我们的通用框架下，该方法可以轻松扩展到其他候选特征。我们在公开可用的 HumanEva 数据集上展示了二维身体部件检测结果。此外，我们使用高斯过程回归模型训练了一个从二维到三维的姿态估计器，并将本方法得到的二维身体部件检测结果输入该估计器，从而在给定新的二维身体部件检测结果时能够预测三维姿态。我们也在 HumanEva 数据集上展示了三维姿态估计的结果。
引用
@article{arxiv.1501.05382,
title = {Enhanced Mixtures of Part Model for Human Pose Estimation},
author = {Wenjuan Gong and Yongzhen Huang and Jordi Gonzalez and and Liang Wang},
journal= {arXiv preprint arXiv:1501.05382},
year = {2015}
}