2018 Human Pose Estimation Papers + 人体姿态估计相关论文2018

最新推荐文章于 2025-11-19 07:02:50 发布
原创 最新推荐文章于 2025-11-19 07:02:50 发布 · 945 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人体姿态估计2018

本文总结了2018年在人体姿态估计领域的研究进展，包括多篇重要论文及其对应的代码资源，为研究者提供了一个全面的学习平台。

在ilovepose论坛上看到了关于2018 Human Pose Estimation Papers的总结，方便大伙儿学习。传送门
2018.12.23补充
在github看到一个超棒的总结，有文章有code。传送门
人体姿态估计2018

使用全局与局部规范化的人体姿态估计论文《Human Pose Estimation using Global and Local Normalization》笔记
qq_42599237的博客
12-30 1035
使用全局与局部规范化的人体姿态估计论文《Human Pose Estimation using Global and Local Normalization》笔记前言一、论文综述（就是翻译了一下）二、论文主要内容1. 为何进行人体关节点的规范化？2. 怎样进行规范化？2.1 躯干规范化2.2 肢体规范化3. 空间配置细化3. 网络架构总结 前言 这几天做ST-GCN的时候，发现数据集中人体关键点坐标位置对模型训练效果有不好的影响（分散太广，让模型泛化能力变差），所以打算把世界坐标系下的关键点坐标改为相对坐
论文实践学习 - Multi-Context Attention for Human Pose Estimation
长风破浪会有时，直挂云帆济沧海
09-09 3434
类似于 论文实践学习 - Stacked Hourglass Networks for Human Pose Estimation ，基于Docker-Torch，估计人体关节点. 这里只简单进行测试估计结果，由于显存有限，未能加入所有的 scale_search. [Torch-Code] [Pre-trained model] 1. 图片人体姿态估计 - demo.lua...
最新《深度学习人体姿态估计》综述论文
12-30
人体姿态估计的目的是通过图像、视频等输入数据定位人体部位，构建人体表征(如人体骨架)。在过去的十年中，它受到了越来越多的关注，并被广泛应用于人机交互、运动分析、增强现实和虚拟现实等领域。
李飞飞团队 2025 年研究大盘点：从视觉理解到具身智能的全景图谱
最新发布
3D视觉工坊
11-19 116
来源：深蓝学院「3D视觉从入门到精通」知识星球(点开有惊喜) ！星球内新增20多门3D视觉系统课程、入门环境配置教程、多场顶会直播、顶会论文最新解读、3D视觉算法源码、求职招聘等。想要入门3D视觉、做项目、搞科研，欢迎扫码加入！导读斯坦福大学HAI研究院（Stanford Institute for Human-Centered AI, HAI）由李飞飞教授领衔，是全球人工智能基础研究与社会治理的重要引领力量。李飞飞现任斯坦福大学首位红杉讲席教授，美国国家工程院、国家医学院及艺术与科学院三院院士，长期专注于
姿态论文整理--04-Human pose estimation using global and local normalization
daniaokuye的专栏
11-25 1123
Human pose estimation using global and local normalization（中科大的论文）也是bottom-up，人体姿态估计分为两大部分，关节检测，关节的空间位置匹配。这篇论文主要将精力放到后者上面。对此提出了两阶段的归一化（感觉在这篇文章里面称为标准化更好），躯干的标准化，肢体的标准化。这篇文章的目的是想提出类似与PCA normalization（wh
人体姿态识别~HRNet论文笔记（CVPR2019）~《Deep High-Resolution Representation Learning for Human Pose Estimation》
weixin_41447373的博客
07-06 2108
有兴趣的朋友可以加微信：qyf--1314相互讨论技术
精选资源
Human-Pose-Estimation-Papers:2D＆3D人体姿势估计
03-06
通过卷积部分热图回归进行人体姿态估计 用于人体姿势估计的堆叠沙漏网络 DeeperCut：更深入，更强大，更快的多人姿势估计模型 3D姿势 迈向视点不变的3D人类姿势估计 基于贝叶斯图像的3D姿势估计 保持不变...
姿态估计 - Human Pose Estimation Papers
长风破浪会有时，直挂云帆济沧海
10-11 9934
人体姿态估计 - Human Pose Estimation PapersSingle Person Human Pose Regression by Combining Indirect Part Detection and Contextual Information - 2017 [Paper] [Code] Self adversarial training for human pose e
移动和嵌入式人体姿态估计(Mobile and Embedded Human Pose Estimation)
MyArrow的专栏
03-15 3961
1. 背景 现有的大部分模型都是在PC(带有超级强大GPU）上进行的，所以在嵌入式设备上基本无法使用 实现方案： 优化模型：大大地减少参数 使用ARM中的GPU 2.优化模型 2.1 MobileNet系列 ...
【3D-HPE】3D Human Pose Estimation with Spatial and Temporal Transformers （ICCV2021论文介绍）
sazass的博客
11-28 1526
3D Human Pose Estimation with Spatial and Temporal Transformers 基于时空Transformers的3D人体姿态估计 论文地址：https://openaccess.thecvf.com/content/ICCV2021/papers/Zheng_3D_Human_Pose_Estimation_With_Spatial_and_Temporal_Transformers_ICCV_2021_paper.pdf 代码地址： https://git
[深度学习论文笔记][Human Pose Estimation] DeepPose: Human Pose Estimation via Deep Neural Networks
Hao_Zhang_Vision的博客
11-08 1698
DeepPose: Human Pose Estimation via Deep Neural Networks Toshev, Alexander, and Christian Szegedy. “Deeppose: Human pose estimation via deep neural networks.” Proceedings of the IEEE Conference on Co
人体姿态估计论文（open pose)
12-18
人体姿态估计论文（open pose)　Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields ∗
人体行为分析
08-04
1.目标检测 2.目标分类 3.目标跟踪 4.特征提取 5.行为理解
3D人体姿态估计论文汇总（CVPR/ECCV/ACCV/AAAI）
3D视觉工坊
07-27 6440
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：Vegetabird | 来源：知乎https://zhuanlan.zhihu.com/p/137240831本文仅做学术分...
【2018ECCV】DeepIM：深度迭代匹配进行物体6D姿态估计
dsoftware的博客
07-30 3808
摘要 在机器人操作和虚拟现实应用中，从图像中估计物体的6D位姿是一个非常重要的问题。鉴于直接从图像中回归得到的物体姿态精度不高，将输入图像和物体渲染得到的图像进行匹配，能够得到精确的结果。在本文中，作者提出了一种叫做DeepIM的深度神经网络：给定一个初始位姿，网络能将观测图像和渲染得到的图像匹配，迭代地优化位姿。网络训练后能够预测一个相对的姿态变换，使用了一种分开表示的3D坐标和3D朝向，并且...
让机器读懂你的意图——人体行为预测入门-优快云公开课-专题视频课程
csdngkk的博客
09-27 597
机器视觉的主要任务是让机器看懂世界，而世界的主要组成是人类社会。我们一直在围绕物和人的识别展开研究：物品检测识别和行人检测与跟踪+人脸识别。因而，人体行为预测越来越多的进入了研究者的视线中。人体行为预测相当于识别人的动作，从而甚至可以揣摩人的意图：事实上人的很多意图是通过肢体语言表达出来的。因而可以更丰富的让机器读懂人。...
人体姿势估计、跟踪与检测：Human Pose-based Estimation, Tracking and Action Recognition with Deep Learning: A Sur
qq_34717531的博客
10-27 576
论文作者：Lijuan Zhou,Xiang Meng,Zhihuan Liu,Mengqi Wu,Zhimin Gao,Pichao Wang作者单位：Zhengzhou University; Amazon Prime Video论文链接：http://arxiv.org/abs/2310.13039v1人体姿势分析在研究界和实际应用中受到了极大关注，因其在游戏、视频监控、体育表现分析、人机交互等诸多领域的不断扩展应用。深度学习的出现显著提高了姿势捕捉的准确性，使得基于姿势的应用变得越来越实用。本文全面
免费报名 | 让机器读懂你的意图——人体行为预测入门
优快云 人工智能
09-20 643
机器视觉的主要任务是让机器看懂世界，而世界的主要组成是人类社会。我们一直在围绕物和人的识别展开研究：物品检测识别、行人检测与跟踪、人脸识别。事实上，行人检测是人的整体粗粒度识别，人脸识别是人的局部特征的识别，这两项研究还不足以刻画人类行为。因而，人体行为预测越来越多的进入了研究者的视线中。人体行为预测相当于识别人的动作，从而甚至可以揣摩人的意图：事实上人的很多意图是通过肢体语言表达出来的。因而可以...
以深度学习预测人类运动：Human Motion Prediction项目详解
gitblog_00071的博客
04-26 1460
以深度学习预测人类运动：Human Motion Prediction项目详解 项目地址:https://gitcode.com/gh_mirrors/hu/human-motion-prediction 本文将向您介绍一个令人兴奋的开源项目——。这是一个基于深度学习的人体动作预测框架，旨在利用机器学习的力量预测人体未来运动轨迹。 项目简介 Human Motion Prediction项目致力于...
human+pose+estimation+biomechanics
10-16
人体姿态估计在生物力学领域有着广泛的应用和深入的研究，以下从不同方面进行阐述： ### 运动分析与训练 在运动分析中，人体姿态估计能够精准捕捉运动员在运动过程中的身体姿态和动作轨迹。通过对运动员跑步、跳跃、投掷等动作的姿态分析，可以评估其运动技术的合理性和有效性。例如，在田径运动中，对跑步姿态的分析可以帮助教练了解运动员的步幅、步频、身体重心转移等参数，进而制定个性化的训练方案，提高运动成绩，同时减少运动损伤的风险。相关研究致力于开发更精确的姿态估计算法，以实现对运动员微小动作变化的捕捉和分析。 ### 康复医学 在康复治疗中，人体姿态估计可用于监测患者的康复训练过程。医生可以通过获取患者的姿态数据，评估康复训练的效果，调整治疗方案。例如，对于骨折康复患者，姿态估计可以监测其肢体的活动范围、关节角度等参数，判断康复进展是否符合预期。此外，还可以通过分析患者的异常姿态，诊断潜在的肌肉骨骼问题，为康复治疗提供更准确的依据。 ### 生物力学建模 人体姿态估计为生物力学建模提供了重要的数据支持。通过获取人体在不同姿态下的几何信息和运动数据，可以建立更精确的生物力学模型。这些模型可以用于模拟人体在各种情况下的力学响应，研究人体运动的力学机制。例如，研究人体在行走过程中关节的受力情况，有助于深入理解人体运动的原理，为人工关节设计、假肢研发等提供理论依据。 ### 人机工程学 在人机工程学领域，人体姿态估计可用于评估人机交互的舒适性和安全性。通过分析人体在使用各种设备和工具时的姿态，优化产品的设计，减少因不良姿态导致的疲劳和损伤。例如，对办公室工作人员的坐姿进行监测和分析，可以设计出更符合人体工程学的办公桌椅，提高工作效率和舒适度。 ### 相关研究方向 - 多模态融合的姿态估计方法：结合光学、惯性传感器等多种数据来源，提高姿态估计的准确性和鲁棒性。 - 实时姿态估计算法：开发能够实时处理大量数据的算法，满足实际应用中的实时性要求。 - 基于深度学习的姿态估计模型：利用深度学习技术，自动学习人体姿态的特征，提高姿态估计的精度。 ```python # 以下为一个简单的人体姿态估计示例代码（使用OpenCV和MediaPipe库） import cv2 import mediapipe as mp mp_drawing = mp.solutions.drawing_utils mp_pose = mp.solutions.pose # 初始化姿态估计模型 pose = mp_pose.Pose(min_detection_confidence=0.5, min_tracking_confidence=0.5) # 打开摄像头 cap = cv2.VideoCapture(0) while cap.isOpened(): success, image = cap.read() if not success: print("Ignoring empty camera frame.") continue # 将图像转换为RGB格式 image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) image.flags.writeable = False # 进行姿态估计 results = pose.process(image) # 将图像转换回BGR格式 image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) # 绘制姿态关键点和连接线 if results.pose_landmarks: mp_drawing.draw_landmarks( image, results.pose_landmarks, mp_pose.POSE_CONNECTIONS) # 显示图像 cv2.imshow('MediaPipe Pose', image) # 按 'q' 键退出循环 if cv2.waitKey(5) & 0xFF == ord('q'): break # 释放摄像头并关闭窗口 cap.release() cv2.destroyAllWindows() ```
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值