跳转至

综述_pose_estimation#

1. 相关数据集#

数据 基本情况 链接
MPII 2.5W images， 410 activities http://human-pose.mpi-inf.mpg.de/#results
  • LSP(Leeds Sports Pose)
    是一个体育姿势数据集，其被分为竞技、羽毛球、棒球、体操、跑酷、足球、排球和网球几类，共包含约 2000 个姿势注释，图像均来自于 Flickr 的运动人员。

-MPII

-MSCOCO
多人

2.关键点检测#

从检测方法上看，pose estimation主要分两大类: 1) 自顶向下(先检测出人再检测关键点) 2）自下向上(先检测出关键点，然后匹配出人)

从检测的范围来分的话，主要包括:2d, 2d+和3d

自顶向下

1.RMPE-alphapose#

Regional Multi-Person Pose Estimation. 先检测人的bounding box就会出现框不准，以及框冗余的问题。而这篇论文的目的就是解决这个:
We aim to detect accurate human poses even when given inaccurate bounding boxes
-w863

开源工具: https://github.com/MVIG-SJTU/AlphaPose

  • CPN（Cascaded Pyramid Network）
  • RMPE
  • G-RMI

** 自底向上**

2.#

论文 Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
- Part Affinity Fields - openpose

  • openpose
    以CPM（卷积pose Machine）为基础。

CPM

3. 2D+检测#

DensePose

3D检测#

步态识别#

步态识别的数据一般是黑白轮廓图
-w403

常见的方法有:
（1）将步态看做图像: GEI、CGI、VTM、ViDP
（2）将步态看做连续的时序: LSTM, 3D-CNN

总结：https://zhuanlan.zhihu.com/p/102457223

人体关键点检测按照是否包含3维深度信息可以分为2D和3D检测

-w971

https://zhuanlan.zhihu.com/p/38241179

github: https://github.com/facebookresearch/DensePose

参考资料:
- https://zhuanlan.zhihu.com/p/69042249
- https://mp.weixin.qq.com/s?__biz=MzU5MzQyMzk5OQ==&mid=2247484885&idx=1&sn=09aaafd71959a9c0db703993f8386bd5&chksm=fe11fec5c96677d3580e5f9ee7c9c4c5f4c31257442625afa5ae59e2f2954940e3c3a50acc33&mpshare=1&scene=1&srcid=#rd