基于OPEC-Net框架的人群框架姿态估计

人体姿态估计是计算机视觉领域的一个热门研究方向,而遮挡是人体姿态估计的一个基本的挑战,但现有的基于热图的方法遭受了遮挡的严重退化。大部分技术存在一定的内在问题,直接根据视觉信息定位关节,但是看不见的关节将会导致这些相关信息缺乏。针对该技术的局限性,我们提出一个图像引导的渐进式GCN模块,从推理的角度来估计不可见的关节,该模块提供下文和姿态结构的全面理解。此外,现有的基准包含有限的闭塞,以进行评估。本文提出了一个新的OPEC-Net框架和一个新的具有9k个注释图像的遮挡(OCPose)数据集。对基准进行的广泛的定量和定性评估表明,该工作取得了显著的改进。

人体运动形态估计技术发展综述

人体运动形态估计技术是目前国内外研究的热点方向,该技术主要用于体育、音乐、舞蹈等运动形体化教学;制作角色动画、3D人物的立体电影;人体运动形态识别、检测及跟踪监控;医学保健和无人驾驶;AR体育赛事运动追踪以及辅助评分系统等很多领域。文章以人体运动形态估计为主题,对该技术的应用和发展做一个综述,供相关方向读者了解。

基于距离感知自上而下的多人三维姿态估计

人体姿态估计是计算机视觉领域的一个热门研究方向。人体姿态估计的技术发展已有一段时间,相关的方法已经提出比较多,这些方法基本都局限于单人的三维姿态处理。在大多场景下,三维运动形态呈现多人交互的情况,所以多人姿态估计的问题需要处理。随着深度学习的理论发展,该文提出基于距离感知自上而下深度学习,处理多人三维姿态估计的问题。