基于子树混合的遮挡感知人体姿态估计
计算机视觉与模式识别
2015-12-04 v1
摘要
在本文中，我们研究了将人体姿态估计模型学习为两层预测中组合子树的混合的问题。这涉及估计子树的姿态，然后识别子树之间的关系，用于处理不同部分之间的遮挡。子树的混合利用几何和表观距离进行学习。递归应用Chow-Liu (CL)算法以确定节点间的相互关系和构建子树的结构。这些结构用于学习子树的潜在参数，并使用标准置信传播技术进行推断。所提方法通过在推断过程中识别不同子树之间的重叠区域并为重叠部分引入惩罚项来处理遮挡。实验在三个不同的数据集上进行：Leeds Sports、Image Parse 和 UIUC People 数据集。结果表明，相较于最先进的方法，所提方法对遮挡具有鲁棒性。
引用
@article{arxiv.1512.01055,
title = {Occlusion-Aware Human Pose Estimation with Mixtures of Sub-Trees},
author = {Ibrahim Radwan and Abhinav Dhall and Roland Goecke},
journal= {arXiv preprint arXiv:1512.01055},
year = {2015}
}
备注
12 pages, 5 figures and 3 Tables