-
题名基于深度学习的二维单人姿态估计综述
被引量：3
- 1
-
-
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]
-
-
题名深度学习的单人姿态估计方法综述
被引量：4
- 2
-
-
作者
张锋
叶茂
曾凡玉
-
机构
电子科技大学计算机科学与工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2020年第7期1501-1507,共7页
-
基金
国家自然科学基金-联合基金项目(U181320052)资助
国家自然科学基金面上项目(6177020680)资助
+1 种基金
国家重点研究计划项目(2018YFC0831801)资助
四川省重点研发项目(17ZDYF3184)资助。
-
文摘
随着深度学习的发展,相关的模型与方法被应用到单人姿态估计研究领域中并取得了较大提升,一举超越了传统基于手工设计特征的单人姿态估计方法.基于深度学习方法的单人姿态估计从各个方面取得了突破.本文总结了基于深度学习方法的单人姿态估计这一领域一系列研究成果,将这些方法分为三类:基于坐标回归的方法、基于热力图回归的方法以及使用热力图表示的基于坐标回归的方法.着重介绍了基于热力图回归这一主流的方法,分析并对比了各类方法的优势与不足.给出了单人姿态估计常用数据集的对比,并对基于深度学习方法的单人姿态估计研究进行展望,指出了未来研究的趋势与热点.
-
关键词
单人姿态估计
身体部件检测
关节点定位
坐标回归
热力图回归
-
Keywords
single-person pose estimation
body part detection
key point localization
coordinate regression
heatmap regression
-
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:现状及展望
被引量：11
- 3
-
-
作者
李佳宁
王东凯
张史梁
-
机构
北京大学计算机学院
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2024年第1期231-250,共20页
-
基金
国家自然科学基金(U20B2052,61936011)
国家重点研发计划(2018YFE0118400)资助。
-
文摘
二维人体姿态估计旨在从摄像机拍摄的图像中识别并定位每个行人的人体关键点.作为行人分析和理解领域的基础任务之一,人体姿态估计能够为多个下游任务和应用提供支持.近年来,随着深度学习技术的进步,人体姿态估计的研究迎来快速发展.基于图像包含的行人数量,人体姿态估计可以分为单人姿态估计和多人姿态估计两大类.本文首先介绍人体姿态估计的研究背景、问题定义、任务难点以及当前方法中的关键点表示方法.在此基础上,本文进一步总结和介绍了具有代表性的单人姿态估计和多人姿态估计方法.单人姿态估计方法包括回归法和检测法,主要关注于网络结构设计、热力图编解码、多任务学习等.对于多人姿态估计,本文分别介绍了基于热力图预测的方法和基于向量场回归的方法.随后,本文总结了当前常用的代表性数据集和性能度量方法,总结了代表性方法在几个常用数据集上的性能,对它们的预测错误的场景进行了详细分析和对比.最终,本文分析了现有二维人体姿态估计算法仍未有效解决的难题,对未来研究进行了展望.
-
关键词
单人姿态估计
多人姿态估计
深度学习
自顶向下
自底向上
向量场回归
-
Keywords
single-person pose estimation
multi-person pose estimation
deep learning
top-down
bottom-up
regression
-
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]
-
