概述
这是一篇关于肢体识别的非常经典的文章,本实验运用了caffe深度学习框架 (http://caffe.berkeleyvision.org),运用了 MPII (http://human-pose.mpi-inf.mpg.de 人体姿态数据集)和 COCO(http://cocodataset.org 微软发布的 一个大型图像数据集)这些数据集可以帮助进行2D人体姿态评估。
为什么要着重来讲这篇论文,因为当时参加华中hackthon的时候,正是因为这篇文章的启发,才激发我们设计出了一款dancepose的学习跳舞的产品,并且获得了第一名,致敬作者
姿态识别逐渐应用到众多领域,比如游戏,动画电影姿态捕捉等,传统的姿态识别方法需要借助传感器,景深摄像头等高科技设备, 或者传统的神经网络识别方法经常会带来大的误差,错误。
本论文则提出了新的方法,旨在对2D视频影像中的动作行为进行关键点,关键域,捕捉识别拼接,从而实现姿态识别的效果 。
整体架构
传统方法:自上而下
思路:先检测人,再对每一个人进行姿态识别。
缺点: 1. 当人离得比较近时,检测人体