基于RGB-D图像弱监督学习的3D人体姿态估计

申琼鑫; 杨涛; 徐胜

doi:10.13873/J.1000-9787(2022)01-0069-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于RGB-D图像弱监督学习的3D人体姿态估计

研究与探讨 | 更新时间：2025-09-11

- 基于RGB-D图像弱监督学习的3D人体姿态估计
- 基于RGB-D图像弱监督学习的3D人体姿态估计
- 传感器与微系统 2022年第1期页码：69-71+84
- 作者机构：
  
  福州大学物理与信息工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)01-0069-03
  中图分类号： TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
申琼鑫, 杨涛, 徐胜. 基于RGB-D图像弱监督学习的3D人体姿态估计[J]. 传感器与微系统, 2022,(1):69-71+84.

基于RGB-D图像弱监督学习的3D人体姿态估计[J]. 2022, (1): 69-71+84.
申琼鑫, 杨涛, 徐胜. 基于RGB-D图像弱监督学习的3D人体姿态估计[J]. 传感器与微系统, 2022,(1):69-71+84. DOI： 10.13873/J.1000-9787(2022)01-0069-03.

基于RGB-D图像弱监督学习的3D人体姿态估计[J]. 2022, (1): 69-71+84. DOI： 10.13873/J.1000-9787(2022)01-0069-03.

摘要

针对于深度图数据缺乏大量的3D标签、泛化能力差的问题

结合现有的弱监督网络结构

提出一种基于RGB-D图像的弱监督模型实现3D人体姿态估计的方法

整体呈现两级级联结构。首先通过使用预处理后的RGB-D数据作为2D姿态估计模块的输入

提取出人体关节热图;然后将热图进行积分回归生成对应的关节点坐标;最后将生成的关节点作为改进型深度回归模块的输入完成姿态估计。通过在公开数据集Human 3.6M和ITOP上进行验证

实验结果表明:本文提出的弱监督网络模型在参数量上减少了20.9%

训练时间上降低了37.9%。提出的模型能同时适用于深度图和彩色图

且具有较强的鲁棒性。

Abstract

针对于深度图数据缺乏大量的3D标签、泛化能力差的问题

结合现有的弱监督网络结构

提出一种基于RGB-D图像的弱监督模型实现3D人体姿态估计的方法

整体呈现两级级联结构。首先通过使用预处理后的RGB-D数据作为2D姿态估计模块的输入

实验结果表明:本文提出的弱监督网络模型在参数量上减少了20.9%

训练时间上降低了37.9%。提出的模型能同时适用于深度图和彩色图

且具有较强的鲁棒性。

关键词

Keywords

references

3D Human Pose Machines with Self-supervised Learning [J] . Wang Keze,Lin Liang,Jiang Chenhan,Qian Chen,Wei Pengxu. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2019 (5)

Human3.6M: Large Scale Datasets and Predictive Methods for 3D Human Sensing in Natural Environments. [J] . Ionescu Catalin,Papava Dragos,Olaru Vlad,Sminchisescu Cristian. IEEE transactions on pattern analysis and machine intelligence . 2014 (7)

Exemplar-based human action pose correction. [J] . Shen Wei,Deng Ke,Bai Xiang,Leyvand Tommer,Guo Baining,Tu Zhuowen. IEEE transactions on cybernetics . 2014 (7)

Twin Gaussian Processes for Structured Prediction [J] . Liefeng Bo,Cristian Sminchisescu. International Journal of Computer Vision . 2010 (1)

浏览量

360

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据