A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Efficient Human Body Tracking by Quick Shift Belief Propagation Rastreamento eficiente do corpo humano por meio de propagação de crenças por mudança rápida

Kittiya KHONGKRAPHAN, Pakorn KAEWTRAKULPONG

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Propomos uma abordagem nova e eficiente para rastrear partes articuladas do corpo humano em 2D. Na nossa abordagem, o corpo humano é modelado por um modelo gráfico onde cada parte é representada por um nó e a relação entre um par de partes adjacentes é indicada por uma aresta no gráfico. Várias abordagens foram propostas para resolver tais problemas, mas a eficiência ainda é um problema vital. Apresentamos uma nova abordagem baseada em Quick Shift Belief Propagation (QSBP) que se beneficia do Quick Shift, um método simples e eficiente de busca de modo, em um modelo de propagação de crenças baseado em partes. O aspecto único deste modelo é a sua capacidade de descobrir eficientemente os modos da distribuição de probabilidade marginal subjacente, preservando ao mesmo tempo a precisão. Isso dá ao QSBP uma vantagem significativa sobre abordagens como Propagação de Crenças (BP) e Propagação de Crenças por Mudança Média (MSBP). Além disso, demonstramos o uso do QSBP com um modelo baseado em ação; isso proporciona vantagens adicionais de lidar com a autooclusão e reduzir ainda mais o espaço de busca. Apresentamos análises qualitativas e quantitativas da abordagem proposta com resultados encorajadores.

Publicação
IEICE TRANSACTIONS on Information Vol.E94-D No.4 pp.905-912
Data de publicação
2011/04/01
Publicitada
ISSN online
1745-1361
DOI
10.1587/transinf.E94.D.905
Tipo de Manuscrito
PAPER
Categoria
Reconhecimento de imagem, visão computacional

autores

Palavra-chave