利用混合群体姿态估计方法改善人类健康寿命

人类严重依赖姿态估计来获取其身体运动情况。人体姿态估计方法利用计算机视觉的进步，在真实生活应用中追踪人体运动。这些数据来源于通过可用设备录制的视频。这些范式具有使人体运动测量更易被用户获取的潜力。姿态估计运动的消费者认为，人体姿态内容倾向于补充现有视频。这增加了用于估计人体姿态的姿态估计软件的使用率。为了解决这个问题，我们开发了基于混合集成的群体姿态估计方法以改善人类健康。这种提出的基于混合集成的群体姿态估计方法旨在使用改进的群体姿态估计和改进的实时姿态估计来检测多人姿态。这种集成允许在实时中融合上述方法的性能。来自图像的输入姿态被馈送到各个方法中。姿态变换方法有助于识别相关特征，以使集成有效地执行训练。在此之后，定制的预训练混合集成在公开的基准数据集上进行训练，并通过测试数据集进行评估。基于群体姿态估计方法的比较分析以及在基准数据集上进行的实验，确立了所提方法的有效性和可行性。它在实时姿态估计中提供了最佳优化结果。它使姿态估计方法对遮挡更具鲁棒性，并提高了密集回归的准确率。这些结果证实了该方法在改善人类健康寿命方面的几种实时应用潜力。