基于人体姿态的深度学习估计、跟踪与动作识别:综述
计算机视觉与模式识别
2023-10-23 v1
摘要
人体姿态分析因其在游戏、视频监控、运动表现分析和人机交互等诸多不断扩展的用途而受到研究界与实际应用的显著关注。深度学习的出现显著提升了姿态捕捉的精度,使基于姿态的应用日益实用。本文对利用深度学习的基于姿态应用进行了全面综述,涵盖姿态估计、姿态跟踪与动作识别。姿态估计涉及从图像或图像序列中确定人体关节位置。姿态跟踪是一个新兴研究方向,旨在随时间生成一致的人体姿态轨迹。动作识别则旨在利用姿态估计或跟踪数据识别动作类型。这三项任务错综复杂地相互关联,后者往往依赖前者。本综述全面回顾了相关工作,从单人姿态估计到多人姿态估计,从 2D 姿态估计到 3D 姿态估计,从单图像到视频,从逐步挖掘时间上下文到姿态跟踪,最后从跟踪到基于姿态的动作识别。作为聚焦于深度学习应用于姿态分析的综述,我们明确讨论了现有技术的优势与局限。值得注意的是,我们强调了在视频序列中将这三项任务整合为统一框架的方法。此外,我们探讨了相关挑战并概述了未来研究的潜在方向。
引用
@article{arxiv.2310.13039,
title = {Human Pose-based Estimation, Tracking and Action Recognition with Deep Learning: A Survey},
author = {Lijuan Zhou and Xiang Meng and Zhihuan Liu and Mengqi Wu and Zhimin Gao and Pichao Wang},
journal= {arXiv preprint arXiv:2310.13039},
year = {2023}
}
备注
47 pages