《表1 不同行为下姿态估计测试误差对比Tab.1 Comparison of test errors of human pose estimation in different behavior vi

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CNN的三维人体姿态估计方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

mm

基于概率主成分分析（probabilistic principal component analysis，PPCA）方法[16]，对该三维人体姿态估计模型做出了在Human3.6M数据集上部分人体动作行为的姿态估计测试，跟传统的方法估计的误差对比结果如表1所示。Ionescu等[15]提出Human3.6数据集，并对该数据集进行了傅里叶核近似测试。Zhou等[12]用二维姿势标注来训练CNN联合回归量和单独的3D mocap数据集，从而学习三维稀疏基础来建立三维估计模型。本文模型的姿态估计测试在各个人体动作行为上的误差均为最低值，在吃东西行为上误差为79.12 mm，在坐行为上误差为118.96 mm，在走路行为上误差为78.28 mm，在打招呼行为上为95.17 mm，性能相比前两种方法均有不同程度的提升，平均误差达到92.88 mm，相比Ionescu等[15]的傅里叶核近似法提高了31.8%，相比Zhou等[12]的三维稀疏回归法提高了5.7%，估计效果明显更加优越。3种方法平均误差对比如表1所示。