-
题名基于深度学习的二维人体姿态估计综述
被引量：2
- 1
-
-
作者
王珂
陈启腾
陈伟
刘珏廷
杨雨晴
-
机构
中国矿业大学计算机科学与技术学院
中国矿业大学矿山数字化教育部工程研究中心
-
出处
《郑州大学学报（理学版）》
CAS
北大核心
2024年第4期11-20,共10页
-
基金
国家自然科学基金项目(52274160,51874300,52074305)。
-
文摘
人体姿态估计是近年来计算机视觉问题中的一个热门话题,它在改善人类生活方面具有巨大的益处和潜在的应用。近年来深度神经网络得到快速发展,相较于传统方法而言,采用深度学习的方法更能提取图像表征信息。综合分析近年来人体姿态估计的进展,根据检测人数分为单人和多人人体姿态估计。针对单人姿态估计,介绍了基于直接预测人体坐标点的坐标回归方法及基于预测人体关键点高斯分布的热图检测方法;针对多人姿态估计,采用解决多人到解决单人过程的自顶向下方法和直接处理多人关键点的自底向上方法。总结了各方法网络结构的特点和优缺点,并阐述当前面临的问题及未来发展趋势。
-
关键词
深度学习
卷积神经网络(CNN)
二维人体姿态估计
关键点检测
-
Keywords
deep learning
convolutional neural networks(CNN)
2D human pose estimation
key point detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的二维人体姿态估计综述
被引量：20
- 2
-
-
作者
张宇
温光照
米思娅
张敏灵
耿新
-
机构
东南大学计算机科学与工程学院
东南大学网络空间安全学院
网络通信与安全紫金山实验室
-
出处
《软件学报》
EI
CSCD
北大核心
2022年第11期4173-4191,共19页
-
基金
国家重点研发计划(2018AAA0100100)
国家自然科学基金(61702095)
江苏省自然科学基金(BK20190341)。
-
文摘
人体姿态估计是计算机视觉领域的一个基础且具有挑战的任务,人体姿态估计对于描述人体姿态、描述人体行为等至关重要,是行为识别、行为检测等计算机视觉任务的基础.近年来,随着深度学习的发展,基于深度学习的人体姿态估计算法展现出了极其优异的效果.从单人人体姿态估计、自顶向下的多人人体姿态估计和自底向上的多人人体姿态估计这3种主流的人体姿态估计方式,介绍近年来基于深度学习的二维人体姿态估计算法的发展,并讨论目前二维人体姿态估计所面临的困难和挑战.最后,对人体姿态估计未来的发展做出展望.
-
关键词
深度学习
二维人体姿态估计
关键点检测
-
Keywords
deep learning
2D human pose estimation
keypoint detection
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于深度学习的二维人体姿态估计研究进展
被引量：19
- 3
-
-
作者
刘勇
李杰
张建林
徐智勇
魏宇星
-
机构
中国科学院大学电子电气与通信工程学院
中国科学院光电技术研究所
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第3期1-16,共16页
-
基金
国家重点研发计划(G158207)。
-
文摘
基于深度学习的二维人体姿态估计方法通过构建特定的神经网络架构,将提取的特征信息根据相应的特征融合方法进行信息关联处理,最终获得人体姿态估计结果,因其具有广泛的应用价值而受到研究人员的关注。从数据集基准、姿态估计方法和评测标准等方面,对近年来基于深度学习的二维人体姿态估计的诸多研究工作进行系统归纳与整理,将现有方法分为单人姿态估计方法与多人姿态估计方法,并分别从网络架构设计、输出特征表示和损失函数选取方面进行分析与总结。在此基础上,结合当前二维人体姿态估计所面临的挑战对其未来研究发展方向与应用前景进行展望。
-
关键词
二维人体姿态估计
计算机视觉
关键点检测
深度学习
卷积神经网络
-
Keywords
two-dimensional Human Pose Estimation(HPE)
computer version
key-point detection
deep learning
Convolutional Neural Network(CNN)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名深度学习方法在二维人体姿态估计的研究进展
被引量：8
- 4
-
-
作者
张国平
马楠
贯怀光
吴祉璇
-
机构
北京联合大学北京市信息服务工程重点实验室
北京工业大学信息学部
北京联合大学机器人学院
-
出处
《计算机科学》
CSCD
北大核心
2022年第12期219-228,共10页
-
基金
国家自然科学基金(61871038,61931012)。
-
文摘
人体姿态估计的任务是对图像或视频中的人体关键点进行定位和检测,其一直是计算机视觉领域的热点研究方向之一,也是计算机理解人类行为动作的关键一步。近年来,图像和视频中的二维人体姿态关键点预测在许多领域有着广泛的应用,二维人体姿态估计利用深度学习强大的图像特征提取能力,提升了其鲁棒性、准确性并缩短了处理时间,而且表现效果远超传统方法。根据二维人体姿态研究对象数量的不同,可将其分为单人以及多人姿态估计方法。针对单人姿态估计,根据提取到的关键点表示的不同,可采用基于直接预测人体坐标点的坐标回归方法,以及预测人体关键点高斯分布的基于热图的检测方法;针对多人姿态估计,可采用的方法分为解决多人到单人过程的自顶向下方法,以及直接处理多人关键点的自底向上方法。根据现有的人体姿态估计方法对其进行总结,说明网络结构的内部机制及执行过程,并对常用的数据集、评价指标进行分析,最后阐述当前面临的问题及未来发展趋势。
-
关键词
二维人体姿态估计
深度学习
单人姿态估计
多人姿态估计
评价指标
-
Keywords
Two-dimensional human pose estimation
Deep learning
Single-person pose estimation
Multi-person pose estimation
Evaluation metrics
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的二维单人姿态估计综述
被引量：1
- 5
-
-
作者
苏妍妍
邱志良
李帼
陆声链
陈明
-
机构
广西师范大学教育区块链与智能技术教育部重点实验室
广西师范大学计算机科学与工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第21期18-37,共20页
-
基金
国家自然科学基金(61762013)。
-
文摘
人体姿态估计是计算机视觉领域的一项关键技术,它通过检测人体关键点以识别人体姿态。随着深度学习的快速发展,其已成为人体姿态估计的主流技术并取得了显著进展。围绕单人姿态估计问题,从数据预处理、网络架构设计、监督学习方法以及后处理技术四个维度对基于深度学习的单人姿态估计研究进行回顾,同时探讨关键点表征的新方式及Transformer模型在该领域的应用,此外还介绍了常用的数据集和性能估计指标,深入讨论当前单人姿态估计领域的挑战和发展方向。
-
关键词
二维人体姿态估计
单人姿态估计
深度学习
关键点检测
计算机视觉
-
Keywords
two-dimensional human pose estimation
single-person pose estimation
deep learning
keypoint detection
computer vision
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
