基于肢体时间流图的姿态估计与跟踪器
计算机视觉与模式识别
2019-05-24 v1
摘要
对于视频中的人体姿态估计，如何利用帧间时间信息至关重要。本文提出肢体时间流图（TML）以及一种多步长方法来估计和跟踪人体姿态。所提出的时间流图是描述肢体运动的单位向量。我们构建了一个端到端学习空间信息和时间信息的网络。关节热图和部件亲和场等空间信息在空间网络部分回归，TML在时间网络部分回归。我们还提出一种数据增强方法以更好地学习各类TML。所提出的多步长方法通过在定义范围内随机选取两帧来扩展数据。我们在PoseTrack 2017和2018数据集上证明了所提方法能高效估计和跟踪人体姿态。
引用
@article{arxiv.1905.09500,
title = {Pose estimator and tracker using temporal flow maps for limbs},
author = {Jihye Hwang and Jieun Lee and Sungheon Park and Nojun Kwak},
journal= {arXiv preprint arXiv:1905.09500},
year = {2019}
}
备注
Won the Honorable Mention Award in the 18'ECCV PoseTrack challenge. Accepted in the 19'IJCNN conference