基于动态分类器选择的航拍视频人体姿态与路径估计
计算机视觉与模式识别
2018-12-18 v1 机器学习
机器学习
摘要
我们考虑由配备单目相机的空中机器人在近实时条件下估计人体姿态与轨迹的问题。我们提出了一种初步解决方案，其显著特征是动态分类器选择架构。在我们的方案中，每一视频帧都通过投影变换进行透视校正。随后使用两种备选特征集：（i）轮廓的方向梯度直方图（HOG），（ii）RGB图像的卷积神经网络（CNN）特征。这些特征（HOG或CNN）使用动态分类器进行分类。一个类别被定义为姿态-视点对，共定义64个类别来表示向前行走和转向的步态序列。我们的方案具有三个主要优势：（i）由于动态选择（4类对比64类分类），分类高效。（ii）分类误差被限制在真实视点的邻域内。（iii）利用姿态间鲁棒的时序关系来解决人体轮廓的左右模糊性。在前视平行视频和航拍视频上的实验证实，我们的方案在两种场景下均能实现准确的姿态与轨迹估计。我们发现使用HOG特征比使用CNN特征具有更高的精度。例如，将我们方案中基于HOG的变体应用于“8字形路径行走”数据集（1652帧），在视点上实现了99.6%的估计准确率，在姿态数量上实现了96.2%的估计准确率。
引用
@article{arxiv.1812.06408,
title = {Human Pose and Path Estimation from Aerial Video using Dynamic Classifier Selection},
author = {Asanka G Perera and Yee Wei Law and Javaan Chahl},
journal= {arXiv preprint arXiv:1812.06408},
year = {2018}
}
备注
For associated dataset, see https://asankagp.github.io/aerialgaitdataset/