《表1 Video Pose2.0数据集中人体姿态跟踪的关节点精度》
注:加粗字体表示最优结果。
使用本文算法在数据集VideoPose2.0与YouTubePose上分别进行验证,实验结果分别如表1和表2所示。由于手臂部位的跟踪是人体姿态跟踪中最困难的部分,因此,表1、表2中着重列出了与手臂相关的肩关节、肘关节以及腕关节的跟踪精度。此外,为验证本文算法的有效性,将VideoPose2.0数据集的实验结果与3种先进的人体姿态跟踪和估计算法的效果进行对照,这3种算法分别为:基于条件随机场模型的人体姿态跟踪方法(Kumar和Batra,2016);基于树结构图模型推理的人体姿态跟踪方法(Samanta和Chanda,2016);使用最大边界马尔可夫模型的人体姿态跟踪方法(Zhao等,2015)。同样地,在YouTubePose数据集上进行验证的实验结果与另外3种先进的人体姿态跟踪和估计算法的效果进行对照,这3种算法分别为:基于流动卷积模型的人体姿态跟踪方法(Pfister等,2015);基于人体部位模型成对推理的人体姿态跟踪方法(Chen等,2018);基于人体模型序列混合推理的人体姿态跟踪方法(Cherian等,2014)。
图表编号 | XD00179365500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.16 |
作者 | 马淼、李贻斌、武宪青、高金凤、潘海鹏 |
绘制单位 | 浙江理工大学、山东大学、浙江理工大学、浙江理工大学、浙江理工大学 |
更多格式 | 高清、无水印(增值服务) |