【手部姿态估计】【论文精度】Pose Guided Structured Region Ensemble Network for Cascaded Hand Pose Estimation

【Abstract】

基于单幅深度图像的手部姿态估计是计算机视觉和人机交互领域的一个重要课题。尽管在卷积神经网络的推动下，这一领域最近取得了进展，但精确的手部姿态估计仍然是一个具有挑战性的问题。本文提出了一种新的姿态引导的结构区域集成网络(Pose- guided structured Region Ensemble Network, Pose- REN)来提高手部姿态估计的性能。该方法在初始姿态估计的指导下，从卷积神经网络的特征映射中提取区域，生成更优、更有代表性的手部姿态估计特征。提取的特征区域通过树状结构的全连接根据手部关节的拓扑结构进行分层集成，回归精细化的手部姿态。通过迭代级联法得到最终的手部姿态。在公众手姿势数据集上的综合实验表明，我们提出的方法优于目前最先进的算法。

摘要指出，目前基于深度图像的手势姿态估计虽然效果不错但是精度还是可以提高的，所以作者提出了本文的方法提高了精度。

【Introduction】

精确的三维手部姿态估计是人机交互和虚拟现实中最重要的技术之一，它可以为与物体的交互和手势的执行提供基础信息。近年来，由于诸如Microsoft Kinect、Intel Realsense Camera等深度相机的出现，单深度图像的手部姿态估计引起了广泛的研究兴趣。然而，由于严重的自遮挡、手部关节的高度复杂性、深度图像中的噪声和孔洞、视点变化大以及手指的自相似性等原因，手部姿态估计是一个极具挑战性的问题。
（本段主要指出，基于深度的手部姿态估计的挑战：①存在严重的自遮挡② 手关节具有较高的复杂性③深度图本身质量问题）

卷积神经网络在手部姿态估计方面取得了长足的进步。基于CNN的数据驱动方法可以预测手部关节的热图[5,16]，并从热