一种基于MRF超像素标记的人体姿态估计方法.pdf
是你****噩呀
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于MRF超像素标记的人体姿态估计方法.pdf
本发明属于图像识别领域,为一种基于MRF超像素标记的人体姿态估计方法,将目标图像分割为若干特征相似的超像素图像块,采用超像素MRF模型对超像素图像块的部位标记;以一个超像素为步长完成整幅图像的遍历,将超像素中心作为姿态估计算法中矩形部位检测器的匹配中心,构建以超像素中心点为中心的矩形区域集合,获得目标图像的部位搜索空间;计算K个部位检测器与部位搜索空间内所有矩形的部位匹配分数。根据部位形变模型计算相邻部位的距离分数;将所有部位的部位匹配分数与距离分数相加得到总体姿态估计得分,选择总分最高的姿态作为各个部位
一种基于事件点云的人体姿态估计方法.pdf
一种基于事件点云的人体姿态估计方法,包括以下步骤:1)从事件相机中获取原始事件流;2)将事件流下采样到固定数量并进行归一化处理;3)构建双分支图特征学习模块(DDGCNN):3.1)构建几何图;3.2)构建特征图;3.3)特征聚合;4)构建Transformer编码模块(TE);5)设计最近邻下采样模块CP;6)对得到的1D点的特征,利用重映射(FRM)模块,映射到2D特征空间中。7)利用2D特征回归出Heatmap,进一步利用极大值响应得到人体姿态。
基于级联纠错机制的人体姿态估计方法.pdf
本发明公开了一种基于级联纠错机制的人体姿态追踪方法,主要解决现有技术对人体姿态估计中手腕定位不准确的问题。其包括:1)利用双向树结构模型定位手腕以外的身体各关节点;2)利用光流和粒子滤波初步预测手腕的位置;3)通过光流响应判断初步检测的结果是否可靠,若不可靠,则利用双向图结构模型来定位手腕的位置;4)利用肤色模型来判断双向图结构模型的定位结果是否可靠;5)若双向树结构模型的定位结果不正确,则再利用上一帧的手腕位置估计当前帧的手腕位置。实验结果表明,本发明能更精确地定位手腕的位置,从而取得更好的人体姿态估计
人体姿态估计方法及设备.pdf
本申请提供了一种人体姿态估计方法及设备,能够将第二人体姿态估计模型所得到的人体关键点第二信息用于指导第一人体姿态估计模型的模型训练,从而以知识蒸馏的方式将第二人体姿态估计模型学习到的人体关键点知识传授给第一人体姿态估计模型,从而提高了第一人体姿态估计模型的人体关键点估计精度,同时保留了第一姿态估计模型较快的测试速度,能够实现实时的人体姿态估计。
一种基于人体拓扑感知网络的三维人体姿态估计方法及系统.pdf
本发明涉及一种基于人体拓扑感知网络的三维人体姿态估计方法及系统。本方法利用人体拓扑的分层次结构和运动约束,充分捕捉信息密度稀疏的人体关节点数据中的先验信息,有效缓解了人体末端关节点估计精度不足的问题。本方法构建了一种多层次特征提取聚合框架,可以由细粒度到粗粒度依次提取关节点层次、肢体层次、全身层次的特征信息;构建了同一肢体内关节点间的运动约束关系,利用父节点辅助高误差的末端关节点的预测。本发明充分利用人体拓扑中高度结构化的先验信息,无需引入额外的数据,便可在控制模型参数量的情况下获得更丰富的人体姿态表征学