项目名称: 三维空间中基于图结构的人体姿态估计算法研究

项目编号: No.61502182

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 计算机科学学科

项目作者: 张洪博

作者单位: 华侨大学

项目金额: 19万元

中文摘要: 人体姿态估计以其重要的应用价值和理论研究意义引起了广泛关注。然而人体姿态本身的多样性和复杂性,以及场景中的遮挡和背景干扰等因素使得真实场景中的人体姿态估计算法尚未成熟,仍然是一个充满挑战的研究领域。因此,本课题将深度信息引入到人体姿态估计中,以实现复杂场景下准确可靠的多样化人体姿态估计,具体拟开展以下三方面工作:(1)研究三维空间的不变性特征,用于姿态变化中的人体部位描述及跟踪;(2)设计基于三维空间的部位遮挡识别及其恢复方法,用于解决由遮挡引起的姿态估计错误问题;(3)探索复杂场景中基于图结构的人体姿态估计方法,用于实现多样化人体姿态估计问题。本课题的研究有助于推动计算机视觉研究的实际应用,同时对目标检测与识别中的难点问题展开探索,既有广泛的应用价值,同时又具有十分重要的科学意义。

中文关键词: 人体姿态估计;深度图像;图模型;遮挡检测;三维不变性特征

英文摘要: Human pose estimation has attracted wide attention due to its important application value and theoretical significance. However, confounding factors such as the diversity and complexity of body posture, occlusion and background clutter, make human pose estimation in the real scene is far away from matured. Therefore, the algorithm of human pose estimation based on computer vision remains a challenging problem. To end this, the depth information and body pose invariance method has been proposed in complex scene to improve the accuracy and reliability of human pose estimation. The main problems this study concerns on could concluded as following: (1) To research on 3D invariance feature extraction for human pose description and tracking; (2) To design a method for occlusion detection and part reconstruct based on 3D Space, and use this method to reduce the error in human pose estimation; (3) To explore human pose estimation method based on graph matching in complex scene for the realization of the diversity pose estimation. The research on this topic discuss and explore the challenge issues in object detection and recognition, it can promote the practical application of computer vision, therefore has important theoretical and practical values.

英文关键词: Human Pose Estimation ;Depth Image;Graph Model;Occlusion Detection;Invariance Feature in 3D Space

成为VIP会员查看完整内容
1

相关内容

WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
20+阅读 · 2021年5月1日
专知会员服务
44+阅读 · 2021年4月15日
最新《深度学习人体姿态估计》综述论文,26页pdf
专知会员服务
38+阅读 · 2020年12月29日
专知会员服务
43+阅读 · 2020年12月8日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
【速览】ICCV 2021 | 当图卷积遇上多视角3D人体姿态估计
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
ECCV2020 | SMAP: 单步多人绝对三维姿态估计
学术头条
10+阅读 · 2020年8月9日
计算机视觉方向简介 | 人体姿态估计
计算机视觉life
26+阅读 · 2019年6月6日
重磅!商汤开源目标跟踪最强算法SiamRPN系列
AI前线
13+阅读 · 2019年5月24日
深度学习人体姿态估计算法综述
AI前线
23+阅读 · 2019年5月19日
SkeletonNet:完整的人体三维位姿重建方法
极市平台
11+阅读 · 2019年1月11日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关VIP内容
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
20+阅读 · 2021年5月1日
专知会员服务
44+阅读 · 2021年4月15日
最新《深度学习人体姿态估计》综述论文,26页pdf
专知会员服务
38+阅读 · 2020年12月29日
专知会员服务
43+阅读 · 2020年12月8日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
【速览】ICCV 2021 | 当图卷积遇上多视角3D人体姿态估计
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
ECCV2020 | SMAP: 单步多人绝对三维姿态估计
学术头条
10+阅读 · 2020年8月9日
计算机视觉方向简介 | 人体姿态估计
计算机视觉life
26+阅读 · 2019年6月6日
重磅!商汤开源目标跟踪最强算法SiamRPN系列
AI前线
13+阅读 · 2019年5月24日
深度学习人体姿态估计算法综述
AI前线
23+阅读 · 2019年5月19日
SkeletonNet:完整的人体三维位姿重建方法
极市平台
11+阅读 · 2019年1月11日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
相关基金
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员