典型文献
用于视频流人体姿态估计的时空信息感知网络
文献摘要：
针对现有二维人体姿态估计方法应用于视频序列时由于图像质量不稳定而导致的估计精度下降和时域不连续的问题,提出一种时空信息感知网络STNet.首先利用卷积模块提取出每帧视频中人体关节点的二维空间热力图,接着利用循环卷积模块对连续帧热力图之间的时间信息进行编码.时空信息的解耦学习策略提升了姿态估计结果的时域连贯性和空间准确性,降低了视频序列中时空特征的提取难度.循环卷积模块中的ConvGRU结构在保证识别精度的同时有效减少了模型计算量.在二维关节点数据集Penn Action和Sub-JHMDB上进行实验,并与其他现有方法进行对比分析.结果表明,STNet可以实现预测精度和运算量之间的更好权衡,更具实用价值.
文献关键词：
人体姿态估计;循环卷积网络;时空信息编码
中图分类号：
作者姓名：
吉斌;潘烨;金小刚;杨旭波
作者机构：
上海交通大学电子信息与电气工程学院 上海 200240;浙江大学CAD&CG国家重点实验室 杭州 310058;上海交通大学软件学院数字艺术实验室 上海 200240
文献出处：
引用格式：
[1]吉斌;潘烨;金小刚;杨旭波-.用于视频流人体姿态估计的时空信息感知网络)[J].计算机辅助设计与图形学学报,2022(02):189-197
A类：
STNet,循环卷积模块,JHMDB,循环卷积网络,时空信息编码
B类：
视频流,流人,信息感知,感知网络,二维人体姿态估计,估计方法,视频序列,图像质量,估计精度,人体关节点,二维空间,热力图,时间信息,解耦,学习策略,策略提升,连贯性,中时,时空特征,特征的提取,ConvGRU,识别精度,计算量,关节点数据,Penn,Action,Sub,运算量
AB值：
0.275988
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
