姿態估計相關研究進展
自上而下：就是先檢測包含人的框，即human proposal，然後對框子中的人進行姿態估計。一般RCNN（區域CNN就是這個思路）
自下而上：先檢測keypoint，然後根據熱力圖、點與點之間連線的概率，根據圖論知識，基於PAF（部分親和欄位）將關鍵點連線起來，將關鍵點分組到人。
1、CMU：openpose 研究多人的姿態估計
執行環境：caffe
自下而上， 關鍵點被分組到人的例項
時間：2.8-3.4fps
2、谷歌：
（1）deepgaze 研究頭部姿態和注意力方向的，開源
主要為頭部姿態估計 先框出人臉區域，再進行姿態估計。
執行環境：tensorflow+python
執行速度較快，基本滿足實時性，準確度略差。
（2）野外多人姿態估計：Towards Accurate Multi-person Pose Estimation in the Wild 自上而下（up-bottom）的方法，把姿態估計器放在邊界框的輸出後。
未開源
3、UCLA：
(1)《Articulated Pose Estimation by a Graphical Model with Image Dependent Pairwise Relations》2014
(2)《Joint Multi-Person Pose Estimation and Semantic Part Segmentation> ( ICCV 2017, UCLA)》自上而下
時間需要8s一張圖。
4、Facebook： 2018
該開源專案可以進行人-物互動識別，如有人拿著手機在耳朵邊，則可判定為人在打電話，人手上捧著書，則人在讀書。網路通過目標檢測和語義分割聯合進行，從而進行行為識別。
據說keypoint檢測和openpose差不多，效果略差於openpose.可見時間也提不上去。
Caffe2+python
5、deepercut： 2016
基於tensorflow
其具體思路即（類似openpose）：提出人體部件的候選區域，每個候選區域作為一個節點，所有的節點組成一個密集連線圖，節點之間的關聯性作為圖節點之間的權重，將其作為一個優化問題，將屬於同一個人的部件（節點）歸為一類，每個人作為一個單獨類。
（1）採用了Resnet(殘差網路)來提高body part的檢測，更加的有效，精度更高；
（2）使用了image-conditioned pairwise terms可以將得到足夠豐富的候選區域節點壓縮到一定數量的節點，而這也是整個論文的核心部分，也是stronger & faster的主要原因。通過候選區域節點之間的距離來判斷是否為不同的重要關節點。
時間：230s/frame（太慢了）
6、《RMPE: Regional Multi-Person Pose Estimation》ICCV 2017 騰訊優圖和上海交大聯合研究的。它對於多人姿態估計的方法採用傳統的自頂向下的方法，即先檢測人，再識別人體姿態。檢測使用的是SSD-512，識別人體姿態使用的是state-of-the-art的Stacked Hourglass方法。
專案主頁：RMPE: Regional Multi-person Pose Estimation
人體姿態資料集：
LSP
樣本數：2K
關節點個數：14
全身，單人
FLIC
樣本數：2W
關節點個數：9
全身，單人
MPII
樣本數：25K
關節點個數：16
全身，單人/多人，40K people，410 human activities
MSCOCO
樣本數：>= 30W
關節點個數：18
全身，多人，keypoints on 10W people
AI Challenge
樣本數：21W Training, 3W Validation, 3W Testing
關節點個數：14
全身，多人，38W people
相關推薦
姿態估計相關研究進展
自上而下：就是先檢測包含人的框，即human proposal，然後對框子中的人進行姿態估計。一般RCNN（區域CNN就是這個思路） 自下而上：先檢測keypoint，然後根據熱力圖、點與點之間連線的概率，根據圖論知識，基於PAF（部分親和欄位）將關鍵點連線起來，將關鍵
Paper List：CVPR 2018 人體姿態估計相關
1.By Object 1.1 Human Body Learning to Estimate 3D Human Pose and Shape From a Single Color Image Recognizing Human Actions as the Evol
wifi識別姿態手勢相關平臺與研究團隊
綜述：基於WiFi訊號的人體行為感知技術研究綜述__國防科學技術大學並行與分佈處理_省 資源： 1 USRP, https://www.ettus.com/ 通用軟體無線電平臺 N200和N210硬體非常適合需要高射頻效能和大頻寬的應用。這種應用包括物理層原型，動
【王曉剛】深度學習在圖像識別中的研究進展與展望
ast eric all orm 反向 nic 分類函數 大網 goole 深度學習是近十年來人工智能領域取得的最重要的突破之中的一個。它在語音識別、自然語言處理、計算機視覺、圖像與視頻分析、多媒體等諸多領域都取得了巨大成功。本文將重點介紹深度學習在物體
人體姿態估計在網約車風控系統中的應用
姿態估計 卷積神經網絡 網約車公司在運營過程中經常會遇到一個問題，就是如果司機不接單，卻把車開出去接乘客，相當於開黑車。那麽系統如何發現這種行為，其中就需要人體姿態估計。 相對於傳統方法，只識別人體來數人數有一個問題，就是如果乘客之間發生遮擋，或者後排乘客沒有露出面部，就會找不到乘客。 使用人體姿態估
soft-argmax將熱點圖轉換為數值坐標應用於人體姿態估計
sum 緩解 mat 漸變 圖標 bubuko 訓練 分組 參考 人體姿態估計常用預測熱點圖的方法預測x和y的坐標值，熱點圖可以理解為概率響應圖，通過求熱點圖最大值所在位置坐標，就可以得到該關鍵點的位置坐標 熱點圖法的缺點 量化產生的精度損失：卷積網絡下采樣使模型的
水下通信技術的分類、特征、應用及其最新研究進展
傳統 滿足 帶來 屬於 廣泛 世紀 線性 加速 位數 海洋覆蓋著地球三分之二的表面積，它是人類探索和研究的最前沿的領域之一。海洋不僅在國際商業和漁業中扮演重要的角色，而且還包含了有關氣候的信息，以及大量急待開發的資源。 水下無線通信是研制海洋觀測系統的關鍵技術，借助海洋觀測
無人機/平衡車等姿態測量相關知識
陀螺儀 測量敏感角運動的一種精密感測器，是慣性導航系統的中最重要、技術含量最高的儀器，是慣導系統中的核心器件。在干擾力矩的作用下陀螺儀產生的進動，使得自轉軸在慣性空間逐漸偏離原來的方位，這種現象稱之為漂移，零偏漂移就是零輸入（靜止）下的漂移。 加速度計 加速度本身難
相機姿態估計（七）--UPnP
論文：Exhaustive Linearization for Robust Camera Pose and Focal Length Estimation 整體來看，UPnP跟EPnP差不多，只是同時估計了焦距，因此，適合未標定場合，Uncalibrated PnP. 問題定義:
相機姿態估計（六）--EPnP
EnP演算法，論文：EPnP: Efficient Perspective-n-Point Camera Pose Estimation 直接給過程： 相機座標系用Fc，世界座標系用Fw表示，任何一點可以用四個控制點p表示： 對於相機座標系同樣成立： 對於上面的公式，
相機姿態估計（五）--DLS
論文：A Direct Least-Squares (DLS) Method for PnP 求解過程看著挺吃力的，看懂的還請多多指正。 本文針對PnP問題，採用非線性最小二乘直接計算，主要貢獻如下： 1.提出通用的n點（n≥3）姿態（all pose）計算方法，設計了獨特的非線性最
相機姿態估計（四）--AP3P
AP3P 論文：An Efficient Algebraic Solution to the Perspective-Three-Point Problem 從數學的角度，提出了經典P3P演算法的更快，更魯棒，更準確的求解演算法。根據已知3對點，可以計算相機位姿和引數。 問題定義：
【電腦科學】【2016】單目視訊三維人體姿態估計的深度學習模型
本文為立陶宛維爾紐斯格迪米納斯技術大學（作者：Agnė Grinciūnaitė）的碩士論文，共68頁。 有一種視覺系統，它可以很容易地識別、跟蹤人體的位置、運動和行為，而不需要任何額外的感知手段。這個系統擁有一個稱為大腦的處理器，只經過幾個月的訓練就能稱職地完成以上任務。通過更多
關於論文 姿態估計和追蹤的衡量基準 official evaluation metric
1.on PoseTrack Challenge dataset. “*” means models trained on train+validation set. Top: Results on PoseTrack valida-tion set. Bottom: Results on Po
重磅！頭部姿態估計「原理詳解 + 實戰程式碼」來啦！
寫在前面 經過兩週的文獻和部落格閱讀，CV_Life君終於欣(dan)喜(zhan)若(xin)狂(jing)地給各位帶來head pose estimation這篇文章，因為剛剛入手這個方向，如有疏漏請各位多多包涵，並多多指教。廢話少說，先放個Demo熱熱身。 Head Pose Estimatio
快速人體姿態估計--Pose Proposal Networks
Pose Proposal Networks ECCV2018 本文使用 YOLO + bottom-up greedy parsing 進行人體姿態估計 its total runtime using a GeForce GTX1080Ti card reaches
銀聯PC閘道器支付 相關研究
官網使用servle寫的，諤。。。得轉成mvc的，他的例子既有5.0.0版本的也有5.1.0的，還有測試，生產模式的，有些問題比較亂，也查不到，查到了也不一定對應版本，我暫時瞭解這些，也可能有不對的地方，畢竟也靠猜嘛 1.首先你會發現測試環境，搞一搞就會通，換到生產環境只有三個證書，但是執行
支付寶PC端 網頁支付 相關研究
這個官方的文件例子還是靠譜的，可能不太好調例子 好的部落格還是很多的，不過我沒怎麼查，這個 https://docs.open.alipay.com/270/105899/ https://docs.open.alipay.com/58/103584 官方的 必須知道他需要什
微信 PC 網頁二維碼支付 相關研究
微信官方文件與例子，我使用不了，查詢相關文件無數，找了幾個靠譜的 https://blog.csdn.net/qq_32574435/article/details/78952325 https://blog.csdn.net/rentian1/article/details/78807
【OpenCV】 POSIT 演算法 -- 3D姿態估計
POSIT(Pose from Orthography and Scaling with Iterations)， 比例正交投影迭代變換演算法. Pose : 首先這個演算法用於估計 Pose Iterations : 其次, 這個演算法採用優化迭代的演算