RGB-深度相机网络中的实时无标记多人三维姿态估计
计算机视觉与模式识别
2017-10-18 v1 机器人学
摘要
本文提出了一种新颖的系统，用于在标定的 RGB-深度相机网络中估计和跟踪多人的三维姿态。每个人的多视角三维姿态由一个中心节点计算，该节点接收网络中每个相机的单视角结果。每个单视角结果是通过使用卷积神经网络（CNN）进行二维姿态估计，并利用传感器深度将生成的骨架扩展至三维而计算的。所提出的系统是无标记的、支持多人、不依赖背景，且不对人的外观和初始姿态做任何假设。该系统提供实时结果，因此非常适合需要用户交互的应用。实验结果表明，与不同场景下的基线多视角方法相比，本工作的有效性。为了促进基于本工作的研究和应用，我们在 OpenPTrack（一个用于 RGB-D 人员跟踪的开源项目）中发布了源代码。
引用
@article{arxiv.1710.06235,
title = {Real-time marker-less multi-person 3D pose estimation in RGB-Depth camera networks},
author = {Marco Carraro and Matteo Munaro and Jeff Burke and Emanuele Menegatti},
journal= {arXiv preprint arXiv:1710.06235},
year = {2017}
}
备注
Submitted to the 2018 IEEE International Conference on Robotics and Automation