周期性人体运动中的关键姿态预测
计算机视觉与模式识别
2015-04-22 v1
摘要
本文研究了在游泳通道中估计顶级游泳运动员重复运动序列内周期时间间隔的问题。间隔界限由关键姿态的时间出现给出，即身体的特征姿势。关键姿态仅由完整姿态的一个或两个特定特征定义。直接检测此类细微特征往往很困难。因此，我们提出以下方法：鉴于我们从侧面观察游泳者，我们构建姿态基元（poselets）的图示结构，以在游泳者的规律运动中稳健地识别随机支撑姿态。我们 formulat 了一个最大似然模型，该模型根据一次划水中多个支撑姿态的出现来预测关键姿态。最大似然可以结合关于关键姿态时间位置的先验知识进行扩展，以提高预测召回率。实验表明，我们的模型能以高精度可靠且稳健地检测关键姿态，并且通过扩展框架增加额外相机视角可以提升其性能。
引用
@article{arxiv.1504.05369,
title = {Key-Pose Prediction in Cyclic Human Motion},
author = {Dan Zecha and Rainer Lienhart},
journal= {arXiv preprint arXiv:1504.05369},
year = {2015}
}
备注
Accepted at WACV 2015, 8 pages, 3 figures