基于全连接神经网络的三维人体姿态估计

• 作者: 孟碌 高恒上 张含光 刘阳
• 来源期刊: 仪器仪表学报
• 关键词: 三维人体姿态估计 全连接神经网络 沙漏型网络 SMPL网格模型
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 生物信息检测|Bioinformation Detection Technology
• 页码范围: 165-177
• 页数: 13页
• 分类号: TP311|TH89
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J2006637

摘要

人体姿态估计是计算机视觉领域的重要分支,在实践中有广泛应用,例如:智能交通、安防监控、影视娱乐、司法分析等.现有的三维人体姿态估计算法大多来源于二维人体姿态估计算法的扩展,其识别结果是以三维关节点、线的形式来体现,无法展示更多的人体细节信息,且表达形式比较抽象,难于理解.为解决这个问题,本文引入了参数化人体模型(SMPL),该模型可以实体化的展示三维人体姿态.本文通过二维图像预测人体的三维姿态,该过程分为3个阶段,首先从多角度二维图像中预测人体关节点的二维坐标,然后基于全连接神经网络实现二维关节点到SMPL模型参数的映射,最后根据这些参数构建三维SMPL模型,以展示三维人体姿态.实验表明,本文通过从图像中提取二维关节点坐标,并以此为全连接神经网络的输入,可以快速、准确的估计出人体三维姿态.相比从二维图像直接估计三维人体姿态的方法,本文的模型降低了训练参数,简化了网络结构,加快了模型训练的速度,节约了训练成本.