基于外观与形状联合模型的鲁棒姿态跟踪
计算机视觉与模式识别
2018-06-29 v1
摘要
我们提出了一种估计关节式物体 2D 姿态的新方法，并应用于小型实验动物的自动化视频分析。我们发现，为人类开发的形变部件模型（以柔性部件混合（FMP）模型为代表）在具有挑战性的动物姿态上通常失效。我们认为，除了编码外观与空间关系外，还需要形状来克服实验动物身体上缺乏显著地标的问题。在我们的方法中，形状一致的 FMP（scFMP）模型在标准 FMP 模型用于快速丢弃错误部件检测之后计算有希望的姿态候选。这种“级联”方法结合了空间关系、外观与形状表示的相对优势，并被证明比原始 FMP 模型以及一个代表性的深度神经网络基线有显著改进。
引用
@article{arxiv.1806.11011,
title = {Robust pose tracking with a joint model of appearance and shape},
author = {Yuliang Guo and Lakshmi Narasimhan Govindarajan and Benjamin Kimia and Thomas Serre},
journal= {arXiv preprint arXiv:1806.11011},
year = {2018}
}