基于改进时空特征的三维人体位姿估计方法

针对传统三维人体位姿估计方法后期处理易受自我遮挡或镜像的影响,提出直接从边界盒的时空体估计中央帧的三维位姿的方法。选择连续帧中目标周围的边界盒,利用卷积神经网络进行运动补偿,使目标始终位于中央位置,形成修正时空体,从时空体中提取三维梯度方向直方图特征,作为修正时空特征,训练回归器估计中央帧的人体三维位姿。对Human3.6m、HumanEva和KTH多视角足球3种数据集进行实验,实验结果表明,与传统方法相比,提出方法通过综合利用外观信息和运动信息,三维人体位姿的估计准确性得到明显提高,泛化性能更强。

视频序列中基于头肩分割的人体位姿估计算法

当前常用3维重构的方法表示和计算视频中的人体位姿,但由于这些方法通常需要多个摄像头,不仅限制条件多,且计算复杂度高,为此,提出了一种基于头肩分割的人体位姿估计算法。该算法首先对视频中的人体进行头肩定位;然后利用人体头部的平面成像特点计算头部位姿,同时利用人体肩部的轮廓变化特点计算躯干位姿;最后结合头部和躯干的位姿估计运动中的人体位姿。实验结果证明,该算法是有效和优越的。