典型文献
基于级联特征和图卷积的三维手部姿态估计算法
文献摘要：
针对手部的高自由度问题和结构相似问题引起的三维关键点姿态估计误差,本文提出了一套联合识别、检测以及姿态估计的三维手部骨架姿态回归网络.采用基于YOLOv3的预处理网络,提出基于级联多特征热度图的二维和三维关键点检测网络,并在特征提取网络架构中引入人体骨架手部约束,利用渐进的图卷积神经网络特征增强模块对骨架关键点结果进行进一步精细化修正,完成姿态由粗到细的调整.本文与现有多种算法在不同公共数据集下进行PCK指标和AUC指标比较,本文算法在不同测试集上的AUC指标均达到最高,平均AUC精度达到92.9％.实验表明本文方法可以通过单张二维数据准确、细致地估计三维手部姿态,并且在测试集与自然场景下均有较好表现.
文献关键词：
三维姿态估计;目标检测;手势识别;特征增强;卷积神经网络;图卷积神经网络
中图分类号：
作者姓名：
林依林;林珊玲;林志贤
作者机构：
福州大学物理与信息工程学院,福建福州350116;中国福建光电信息科学与技术创新实验室,福建福州350116;福州大学先进制造学院,福建泉州362200
文献出处：
引用格式：
[1]林依林;林珊玲;林志贤-.基于级联特征和图卷积的三维手部姿态估计算法)[J].液晶与显示,2022(06):736-745
A类：
B类：
手部姿态估计,姿态估计算法,高自由度,结构相似,三维关键点,估计误差,联合识别,YOLOv3,多特征,热度,关键点检测,测网,特征提取网络,网络架构,人体骨架,图卷积神经网络,网络特征,特征增强模块,粗到细,公共数据,PCK,测试集,单张,自然场景,三维姿态估计,目标检测,手势识别
AB值：
0.33372
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。
