基于视觉的定位与姿态估计

深度学习和计算机视觉的最新进展为研究人类定位和人类姿态估计等高层视觉分析任务提供了绝佳机会。尽管近期报告中人类定位与人类姿态估计的性能已显著提升，但它们并不完美，在视频帧中可预期会出现错误的定位与姿态估计。关于将这些技术集成到对由这些错误引入的噪声具有鲁棒性的通用流程中的研究仍然缺乏。本文填补了这一缺失的研究。我们探索并开发了两条适用于基于视觉的定位与姿态估计任务的工作流程。在所提出的流程上基于一场羽毛球比赛进行了分析。我们展示了检测即跟踪（tracking by detection）的概念可良好运作，且位置与姿态中的错误可通过利用邻近帧信息的线性插值技术被有效处理。结果表明，基于视觉的定位与姿态估计能够提供具有良好空间与时间分辨率的定位和姿态估计。