基于改进Transformer的三维人体姿态估计

陈从平; 郁春明; 闫焕章; 江高勇; 张屹; 戴国洪

doi:10.13873/J.1000-9787(2024)06-0117-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进Transformer的三维人体姿态估计

计算与测试 | 更新时间：2025-09-11

- 基于改进Transformer的三维人体姿态估计
- 暂无标题
- 传感器与微系统 2024年第6期页码：117-121
- 作者机构：
  
  常州大学机械与轨道交通学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(51875053);国家重点研发计划资助项目(2018YFC1903101)
- DOI：10.13873/J.1000-9787(2024)06-0117-05
  中图分类号： TP391.41
- 纸质出版：2024
- 稿件说明：
移动端阅览
陈从平, 郁春明, 闫焕章, 等. 基于改进Transformer的三维人体姿态估计[J]. 传感器与微系统, 2024,(6):117-121.
陈从平, 郁春明, 闫焕章, 等. 基于改进Transformer的三维人体姿态估计[J]. 传感器与微系统, 2024,(6):117-121. DOI： 10.13873/J.1000-9787(2024)06-0117-05.

DOI：

摘要

本文设计一种用于三维(3D)人体姿态(pose)估计的改进Transformer的多级特征编码网络。采用空间池化(pooling)算子结构来替换注意力(Attention)模块，缩减了模型参数量和运行复杂度，串联该结构得到初始特征表示，然后使用交叉注意力(CA)机制进行特征信息交互学习，并应用跨步卷积降低时间维度并合并相近的Pose到Pose序列的单个表示。在Human3.6M数据集上进行验证实验。结果表明：该方法针对3D人体Pose估计，混合使用Pooling结构和Attention机制能达到有效的估计效果，与原始Transformer的方法进行对比，模型参数量降低了30%

位置精度提升了8.6%。

Abstract

关键词

Keywords

references

杨海清,石珏.基于姿态估计的静态图像跌倒检测方法[J].传感器与微系统,2020(10).

曹璐,陈明,秦玉芳.基于多通道稀疏卷积神经网络的行人检测算法[J].传感器与微系统,2018(10).

Gholami Mohsen,Rezaei Ahmad,Rhodin Helge,Ward Rabab,Wang Z. Jane.Self-supervised 3D human pose estimation from video[J].Neurocomputing,2022.

Liu R.,Shen J.,Wang H.,Chen C.,Cheung S.-C.,Asari V..Attention Mechanism Exploits Temporal Contexts: Real-Time 3D Human Pose Reconstruction[J].Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2020.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于Mahony滤波和EKF融合的姿态解算方法

基于乘性扩展卡尔曼滤波的水下机器人姿态估计