《表2 各种三维姿态误差:基于视频的三维人体姿态估计》
为了充分评价本文方法在视频三维姿态估计上的有效性,首先将本文方法与目前的流行方法进行比较,在单个和平均动作误差上本文方法相比其他方法均有不同程度的提升,证明了基于一维卷积网络结构预测三维人体姿态相比其他方法具有一定的竞争力。为了验证本文方法的鲁棒性,还使用当前较为先进的二维姿态检测器CPN(Cascaded Pyramid Network)[21]来对视频中的人体二维关节点坐标进行检测,然后利用所设计的网络得到最终的三维姿态,结果表明本文方法在未提供二维关节点标注的情况下与二维姿态检测器结合同样能得到较为准确的输出,实验结果如表2所示。另外本文还对两个不同方面进行了实验,一部分是采用不同数目连续帧的二维关节点坐标作为输入来探索序列长度对于视频三维姿态估计的影响;另一部分是验证本文的网络结构以及损失函数的改进对模型性能带来的提升。
图表编号 | XD00115222600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 杨彬、李和平、曾慧 |
绘制单位 | 北京科技大学自动化学院、北京市工业波谱成像工程技术研究中心、中国科学院自动化研究所、北京科技大学自动化学院、北京市工业波谱成像工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |