human pose estimation
2D Pose estimation主要面临的困难:遮挡、复杂背景、光照、真实世界的复杂姿态、人的尺度不一、拍摄角度不固定等。
单人姿态估计
传统方法:基于Pictorial Structures, DPM
▪ 基于深度学习的算法包括直接回归坐标(Deep Pose)和通过热力图回归坐标(CPM, Hourlgass)
目前单人姿态估计,主流算法是基于Hourlgass各种更改结构的算法。
多人姿态估计
二维图像姿态估计基于CNN的多人姿态估计方法,通常有2个思路(Bottom-Up Approaches和Top-Down Approaches):
(1)Top-Down Approaches,即two-step framework,就是先进行行人检测,得到边界框,然后在每一个边界框中检测人体关键点,连接成一个人形,缺点就是受检测框的影响太大,漏检,误检,IOU大小等都会对结果有影响,算法包括RMPE、Mask-RCNN 等。
(2)Bottom-Up Approaches,即part-based framework,就是先对整个图片进行每个人体关键点部件的检测,再将检测到的部件拼接成一个人形,缺点就是会将不同人的不同部位按一个人进行拼接,代表方法就是openpose、DeepCut 、PAFs。
tricks
- 采用多尺度,多分辨率的网络结构
- 采用基于Residual Block来构建网络
- 扩大感受野(large kernel, dilation convolution, Spatial Transformer Network、hourglass module)
- 预处理很重要(将人放在输入图片的中心,人的尺度尽量归一化到统一尺度,对图片进行翻转、旋转)
- 后处理同样重要
openpose源码中subset输出的关键点顺序是:1鼻子,2脖子,3右肩,4右肘,5右腕,6左肩,7左肘,8左腕,9右髋,10右膝,11右踝,12左髋,13左膝,14左踝,15左眼,16右眼,17左耳,18右耳,19 pt19
输出格式;https://www.aiuai.cn/aifarm712.html
CPM
paper:
https://blog.csdn.net/shenxiaolu1984/article/details/51094959
openPose
GitHub:
Realtime_Multi-Person_Pose_Estimation
https://github.com/CMU-Perceptual-Computing-Lab/openpose
配置:
https://blog.csdn.net/lgh0824/article/details/75949477
生成sln文件
https://blog.csdn.net/zb1165048017/article/details/82115724
https://blog.csdn.net/hk121/article/details/83537350
openPose解析
https://blog.csdn.net/qq_27158179/article/details/82717821
https://www.jianshu.com/c/8602d176d8ea?utm_source=desktop&utm_medium=notes-included-collection
https://zhuanlan.zhihu.com/p/48507352
[OpenPose翻译] Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields ∗原文翻译(注释版)
https://blog.csdn.net/kenllf/article/details/79702078
Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields ∗ 实时多人人体姿态估计论文原理讲解
https://blog.csdn.net/Lin_xiaoyi/article/details/78838393
https://blog.csdn.net/yxr403614258/article/details/77977330
Paper reading: Realtime Multi-person 2D Pose estimation using Part Affinity Fields(1)
https://blog.csdn.net/yengjie2200/article/details/68064095
openpose实验总结
https://blog.csdn.net/qq_20657717/article/details/81707746
肤色检测
https://blog.csdn.net/yangtrees/article/details/8269984
基于颜色检测物体
http://www.cnblogs.com/wangxinyu0628/p/5928824.html
项目编译:
https://blog.csdn.net/zb1165048017/article/details/82115724
姿态估计的应用:
https://blog.csdn.net/itchosen/article/details/77200384
https://blog.csdn.net/shenxiaolu1984/article/details/51094959
https://blog.csdn.net/yeahDeDiQiZhang/article/details/78131566
https://www.cnblogs.com/JillBlogs/p/9098989.html
Stacked Hourglass算法详解
https://blog.csdn.net/shenxiaolu1984/article/details/51428392
代码阅读】OpenPose(Pytorch Realtime Multi-Person Pose Estimation)
https://blog.csdn.net/a529975125/article/details/80991781
pytorch千千问
https://blog.csdn.net/daniaokuye/article/details/78851479
human pose estimation的更多相关文章
- (转)Awesome Human Pose Estimation
Awesome Human Pose Estimation 2018-10-08 11:02:35 Copied from: https://github.com/cbsudux/awesome-hu ...
- 论文阅读理解 - Stacked Hourglass Networks for Human Pose Estimation
http://blog.csdn.net/zziahgf/article/details/72732220 keywords 人体姿态估计 Human Pose Estimation 给定单张RGB图 ...
- 论文笔记 Stacked Hourglass Networks for Human Pose Estimation
Stacked Hourglass Networks for Human Pose Estimation key words:人体姿态估计 Human Pose Estimation 给定单张RGB ...
- Deep High-Resolution Representation Learning for Human Pose Estimation
Deep High-Resolution Representation Learning for Human Pose Estimation 2019-08-30 22:05:59 Paper: CV ...
- Learning Feature Pyramids for Human Pose Estimation(理解)
0 - 背景 人体姿态识别是计算机视觉的基础的具有挑战性的任务,其中对于身体部位的尺度变化性是存在的一个显著挑战.虽然金字塔方法广泛应用于解决此类问题,但该方法还是没有很好的被探索,我们设计了一个Py ...
- DensePose: Dense Human Pose Estimation In The Wild(理解)
0 - 背景 Facebook AI Research(FAIR)开源了一项将2D的RGB图像的所有人体像素实时映射到3D模型的技术(DensePose).支持户外和穿着宽松衣服的对象识别,支持多人同 ...
- 对DensePose: Dense Human Pose Estimation In The Wild的理解
研究方法 通过完全卷积学习从图像像素到密集模板网格的映射.将此任务作为一个回归问题,并利用手动注释的面部标注来训练我们的网络.使用这样的标注,在三维对象模板和输入图像之间,建立密集的对应领域,然后作为 ...
- Pose Estimation
Human Pose Estimation for Real-World Crowded Scenarios https://arxiv.org/pdf/1907.06922.pdf CrowdPos ...
- paper 154:姿态估计(Hand Pose Estimation)相关总结
Awesome Works !!!! Table of Contents Conference Papers 2017 ICCV 2017 CVPR 2017 Others 2016 ECCV 20 ...
随机推荐
- HBase命令终端测试
[root@CloudDeskTop ~]# su -l hadoop[hadoop@CloudDeskTop ~]$ cd /software/hbase-1.2.6/bin/ [hadoop@Cl ...
- 《C#并发编程经典实例》学习笔记—异步编程关键字 Async和Await
C# 5.0 推出async和await,最早是.NET Framework 4.5引入,可以在Visual Studio 2012使用.在此之前的异步编程实现难度较高,async使异步编程的实现变得 ...
- C#调用C++(QT5.5.1项目)的C++/CLI(CLR项目)项目技术笔记
导航 1.编译环境 2.项目配置 1.设置附加包含目录 2.设置附加库目录 3.设置附加依赖项 3.CLR中各种定义 1.接口定义 2.类定义 3.枚举定义 4.属性定义 4.CLR中各种使用 1.类 ...
- http协议、web服务器、并发服务器(上)
目录 1. HTTP格式 1.1 HTTP GET请求的格式: 1.2 HTTP POST请求的格式: 1.3 HTTP响应的格式: 2. Web静态服务器-显示固定的页面 3. Web静态服务器-显 ...
- JavaScript初学者必看“this”
译者按: JavaScript的this和Java等面向对象语言中的this大不一样,bind().call()和apply()函数更是将this的灵活度进一步延伸. 原文: JavaScript: ...
- bat文件传递参数
%*是表示命令行传过来的参数,%1表示第一个参数,%2表示第二个参数,以此类推.如执行C:/>hello.bat hello world, %1取出来就是hello %2取出来就是world h ...
- MySQL 内置函数
CHAR_LENGTH(str) 返回值为字符串str 的长度,长度的单位为字符.一个多字节字符算作一个单字符. +------------------------+ | CHAR_LENGTH('k ...
- MachineLN博客目录
MachineLN博客目录 https://blog.csdn.net/u014365862/article/details/78422372 本文为博主原创文章,未经博主允许不得转载.有问题可以加微 ...
- 性能测试 CentOS下结合InfluxDB及Grafana图表实时展示JMeter相关性能数据
CentOS下结合InfluxDB及Grafana图表实时展示JMeter相关性能数据 by:授客 QQ:1033553122 实现功能 1 测试环境 1 环境搭建 2 1.安装influxdb ...
- C# 对象持久化
本文以一个简单的小例子,简述对象持久化的相关知识,仅供学习分享使用,如有不足之处,还请指正. 概述 对象持久化是指将内存中的对象保存到可永久保存的存储设备中(如磁盘)的一种技术. 本文介绍的是除数据库 ...