基于深度学习的人体姿态估计方法综述

被引:43
作者
卢健
杨腾飞
赵博
王航英
罗毛欣
周嫣然
李哲
机构
[1] 西安工程大学电子信息学院
关键词
机器视觉; 深度学习; 人体姿态估计; 关节点检测; 公共数据集;
D O I
暂无
中图分类号
TP391.41 []; TP18 [人工智能理论];
学科分类号
140502 [人工智能];
摘要
全面综述了基于深度学习的人体姿态估计方法的研究进展。在比较分析各类单人姿态估计方法的基础上,从自上而下和自下而上两个方法角度总结了多人姿态估计算法。在自上而下方法中,着重介绍了局部区域重叠、关节点混淆、人体非典型部位关节点难以检测等问题的解决方案;在自下而上的方法中,重点关注聚类方法对关节点检测的贡献。对目前公共数据集上取得优异性能的代表性方法进行了对比和分析。这样做的目的是使研究者了解和熟悉该领域已有的研究成果,拓展研究思路和方法,并展望未来可能出现的研究方向。
引用
收藏
页码:69 / 88
页数:20
相关论文
共 4 条
[1]
融合反馈机制的姿态引导人物图像生成 [J].
黄友文 ;
赵朋 ;
游亚东 .
激光与光电子学进展, 2020, (14) :111-121
[2]
基于视频的实时多人姿态估计方法 [J].
闫芬婷 ;
王鹏 ;
吕志刚 ;
丁哲 ;
乔梦雨 .
激光与光电子学进展 , 2020, (02) :97-104
[3]
Waterfall Atrous Spatial Pooling Architecture for Efficient Semantic Segmentation [J].
Artacho, Bruno ;
Savakis, Andreas .
SENSORS, 2019, 19 (24)
[4]
Adaptive occlusion state estimation for human pose tracking under self-occlusions [J].
Cho, Nam-Gyu ;
Yuille, Alan L. ;
Lee, Seong-Whan .
PATTERN RECOGNITION, 2013, 46 (03) :649-661