基于深度图像的实时卷积网络人体姿态估计
计算机视觉与模式识别
2019-10-31 v1
摘要
我们提议将最近的卷积神经网络（CNN）模型与深度成像相结合，以获得一种可靠且快速的多人姿态估计算法，适用于人机交互（HRI）场景。我们的假设是，深度图像包含的结构比RGB图像少且更易于处理，同时保留了人体检测和姿态推断所需的信息，从而允许使用该任务更简单的网络。我们的贡献有三方面。（i）我们提出了一种基于残差块（称为RPM）的从深度图像进行身体关键点定位的快速高效网络；（ii）我们创建了一个公开数据集DIH，包含超过17万张具有不同形状和视角的合成人体图像，以及用于评估的真实（已标注）数据；（iii）我们表明，我们的模型从零开始在合成数据上训练即可在真实数据上表现良好，获得与用预训练网络初始化的更大模型相似的结果。因此，它在性能和计算之间提供了良好的权衡。在真实数据上的实验证明了我们方法的有效性。
引用
@article{arxiv.1910.13911,
title = {Real-time Convolutional Networks for Depth-based Human Pose Estimation},
author = {Angel Martínez-González and Michael Villamizar and Olivier Canévet and Jean-Marc Odobez},
journal= {arXiv preprint arXiv:1910.13911},
year = {2019}
}
备注
Published in IROS 2018