赫曼内娃

HumanEva:同步视频和运动捕捉数据集和评价关节式人体运动的基线算法。虽然关节式人体运动和姿势估计的研究在过去的几年里取得了迅速的进展,但还没有系统的定量评估竞争方法,以建立目前的技术水平。我们提供的数据是使用一个能够捕捉同步视频和地面真实三维运动的硬件系统获得的。最终得到的HumanEva数据集包含多个执行一组预定义动作的受试者,这些动作有多次重复。以60赫兹的频率采集了40000帧同步运动捕捉和多视点视频(总共产生了超过25万帧的图像帧),另外还有37000个纯运动捕捉数据。定义了一组标准的误差度量,用于评估二维和三维姿态估计和跟踪算法。我们还描述了一个三维关节跟踪的基线算法,它使用了一个相对标准的贝叶斯框架,并以序列重要性重采样和退火粒子滤波的形式进行了优化。在这种基线算法的背景下,我们研究了各种似然函数、人体运动的先验模型以及算法参数的影响。我们的实验表明,图像观察模型和运动先验在性能上起着重要作用,并且在多视图的实验室环境中,在初始化可用的情况下,贝叶斯滤波往往表现良好。数据集和软件可供研究团体使用。该基础设施将支持开发新的关节运动和姿势估计算法,将为新方法的评估和比较提供基线,并将有助于建立人类姿势估计和跟踪的最新水平。


zbMATH中的参考文献(参考文献23条)

显示第1到第20个结果,共23个。
按年份排序(引用)
  1. 埃斯卡莱拉,塞尔吉奥;阿提索斯,瓦西里斯;Guyon,Isabelle:多模式手势识别的挑战(2016)ioport公司
  2. 黄春豪;卡尼亚特,塞德里克;博耶,爱德蒙;Ilic,Slobodan:多视图4D建模的贝叶斯方法(2016)
  3. 穆罕默德·艾尔霍塞尼;艾哈迈德·艾哈迈德(Ahmed Elgammal):使用夏尔马-米塔尔散度的广义双高斯过程(2015)
  4. 冈萨雷斯,克里斯托夫;杜比森,Séverine:组合重采样粒子滤波器:一种有效且高效的关节目标跟踪方法(2015)
  5. 李万义;孙继峰:基于低维空间增量学习的人体运动估计(2015)
  6. 埃斯拉米,S。M。阿里;希斯,尼古拉斯;威廉姆斯,克里斯托弗K。一、 。;约翰·温恩:《形状玻尔兹曼机器:物体形状的强大模型》(2014)
  7. 刚察瑞克,亚当;Tomczak,Jakub M.:用于关节式人体运动跟踪的流形正则化粒子滤波器(2014)
  8. 马志刚;杨毅;聂飞萍;Sebe,Nicu;严水成;Hauptmann,Alexander G.:利用实验室知识进行真实世界的动作识别(2014)
  9. 任,卡尔·尤亨;普里萨卡里乌,维克托;Reid,Ian:在线分割和跟踪的局部到全局形状属性回归(2014)ioport公司
  10. 山田、Makoto;西格尔,列奥尼德;Chang,Yi:结构化回归的领域适应(2014)
  11. 埃利斯,克里斯;马苏德,赛义德·扎因;马歇尔F.塔彭。;拉维奥拉,约瑟夫J。六月。;Sukhankar,Rahul:探索动作识别中准确性和观察潜伏期之间的权衡(2013)ioport公司
  12. 李易;孙正兴:基于序列免疫遗传算法的关节式人体运动跟踪(2013)ioport公司
  13. 轿车。;本纳蒙,M。;休恩,休恩。Q、 :用于人体姿势估计的形状和外观特征的区分性融合(2013)ioport公司
  14. 沈剑峰;杨文明;廖庆民:零件模板:多视角人体姿态估计的三维表示(2013)ioport公司
  15. 张殿勇;镇江苗族;陈胜勇;Wan,Lili:基于3D变形模型的人体形状和姿势估计的优化和软约束(2013)ioport公司
  16. 韩红;童明磊;陈志超;范友健:单目视频序列关节人体运动跟踪的变结构多模型(2012)ioport公司
  17. 霍夫曼,M。;加夫里拉,D。M、 :复杂环境下多视点三维人体姿态估计(2012)ioport公司
  18. 乔治亚州罗格斯é血淋淋的;里汉,乔纳森;奥里斯特乌鲁ñ尤拉,卡洛斯;托尔,菲利普H。S、 :使用随机分层拒绝者级联快速人体姿势检测(2012)ioport公司
  19. 施瓦兹,罗兰·亚瑟;马特乌斯,戴安娜;Navab,Nassir:《在无约束环境中识别多种人类活动并跟踪全身姿势》(2012)ioport公司
  20. 西格尔,列奥尼德;伊萨德,迈克尔;豪塞克,霍斯特;Black,Michael J.:松散肢体的人:使用非参数信念传播估计三维人体姿势和运动(2012)