利用深度循环神经网络跟踪类人自然运动
计算机视觉与模式识别
2016-04-18 v1 机器学习
神经与进化计算
机器人学
摘要
Kinect骨架跟踪器能够以便捷且低成本的方式实现相当好的人体跟踪性能。然而，当发生自遮挡时，该跟踪器常捕获不自然的人体姿态，例如不连续和振动的运动。大多数方法通过在工作空间中使用多个Kinect传感器来解决此问题。随后在卡尔曼滤波框架下组合来自不同传感器的测量值，或为实现传感器融合而构建优化问题。然而，这些方法通常需要启发式方法来衡量从每个Kinect传感器观测到的测量的可靠性。在本文中，我们开发了一种使用单个Kinect传感器来改进Kinect骨架的方法，其中采用监督学习技术来校正不自然的跟踪运动。具体地，深度循环神经网络被用于改进Kinect骨架的关节位置和速度，并提出了三种方法来整合精炼后的位置和速度以进一步增强。此外，我们提出了一种新度量来评估所捕获运动的自然度。我们通过与使用基于商用光学标记的运动捕获系统获得的真值进行比较，评估了所提出的方法。
引用
@article{arxiv.1604.04528,
title = {Tracking Human-like Natural Motion Using Deep Recurrent Neural Networks},
author = {Youngbin Park and Sungphill Moon and Il Hong Suh},
journal= {arXiv preprint arXiv:1604.04528},
year = {2016}
}
备注
submitted to ECCV 2016