基于 RGB-D 相机的姿态识别：探索三维人体建模与深度学习方法
计算机视觉与模式识别
2018-10-16 v2
摘要
RGB-D 传感器的出现为高效解决复杂人工视觉问题提供了新可能。人体姿态识别是这些计算机视觉问题之一，具有广泛的应用，如环境辅助生活和智能医疗系统。在此背景下，本文提出了使用 RGB-D 相机设计自动姿态识别系统的新方法和新思路。更具体地，我们引入了两种有监督方法来利用 RGB-D 相机提供的主要视觉数据类型学习和识别人体姿态。第一种方法基于从二维图像提取的卷积特征。卷积神经网络（CNNs）通过在 RGB 和深度图像上的迁移学习来训练以识别人体姿态。其次，我们提出利用三维空间中的身体关节配置来建模姿态。然后通过基于三维骨架特征的 SVM 分类来执行姿态识别。为评估所提方法，我们创建了一个具有相当大采集条件可变性的具有挑战性的姿态识别数据集。实验结果表明两种方法在识别人体姿态方面具有可比的性能和较高的精度，其中基于 CNN 的方法应用于深度图像时略有优势。此外，两种方法对多种扰动因素（如尺度和方向变化）表现出高鲁棒性。
引用
@article{arxiv.1810.00308,
title = {Posture recognition using an RGB-D camera : exploring 3D body modeling and deep learning approaches},
author = {Mohamed El Amine Elforaici and Ismail Chaaraoui and Wassim Bouachir and Youssef Ouakrim and Neila Mezghani},
journal= {arXiv preprint arXiv:1810.00308},
year = {2018}
}
备注
IEEE Life Sciences Conference 2018