基于深度学习的三维人体姿态估计算法研究.pdfVIP

摘要

摘要

三维人体姿态估计旨在通过图像信息检测人体部位，构建完整姿态。其作为机器

视觉的基础任务，可以应用于很多下游任务包括虚拟现实、运动分析、人机交互等领

域。随着深度学习技术的高速发展，三维人体姿态估计精度得到了很大的提升。尽管

已取得一定进展，但仍面临诸多挑战。其中之一是生成的结果是否符合人体运动结构，

此外，由于现有数据集的多样性不足，容易受到遮挡、环境变化等外部因素的干扰。

再者，不适定性还可能导致产生不同的姿态问题。针对以上问题，本文在提升姿态估

计模型性能和提高鲁棒性方面展开研究，主要的研究内容包括三个方面：

（1）设计了一种基于生成对抗学习的姿态估计方法，旨在解决有监督方法忽视姿

态数据分布特性导致的估计结果不合理问题。该方法利用生成对抗网络优化三维姿态

估计，提高准确性。该方法利用投影判别器提供更多约束，从而提升估计的准确性。

并且改进特征提取网路提取更加丰富的特征信息，同时利用更多的约束信息帮助提升

整体性能。并通过分析表明，这些约束条件有效地提高了模型的精度。

（2）设计改进了一种基于预训练策略的姿态估计方法。该方法针对存在遮挡的问

题，提出一种预训练策略的三