基于RNN和注意力机制的双向人体姿态补全方法

摘要：

为解决监控视频中行人相互遮挡问题,提出了一种人体姿态序列补全方法.该方法在给定两端可见的姿态序列时,能生成中间缺失的姿态序列,主要包含以下过程:(1)采用基于注意力机制的序列到序列模型,以给定的两端可见的姿态序列为输入,输出中间的目标姿态序列;(2)同样采用上述基于注意力机制的序列到序列模型,但以逆序的两端姿态序列为输入,输出中间的目标姿态序列;(3)将双向预测结果进行混合后得到最终的目标序列结果.所提方法很好地解决了在前后姿态已知的情况被遮挡行人姿态的恢复问题.在Human3.6M,CASIA等数据集上进行了测试,并以生成的姿态数据与真值之间的L2误差作为评价指标,与相关方法对比,平均补全误差由81.6降低至42.5,性能提升了47.9％.

关键词：深度学习、循环神经网络、序列到序列模型、人体姿态补全、注意力机制

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;广东省自然科学基金项目;中央高校基本科研业务费;香港理工大学;香港理工大学;香港理工大学

在线出版日期：2022-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1772-1783