基于级联特征和图卷积的三维手部姿态估计算法
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.
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
37
TP391.4(计算技术、计算机技术)
国家重点研发计划;福建省自然科学基金项目
2022-06-16(万方平台首次上网日期,不代表论文的发表时间)
共10页
736-745