环境因素|暴雨/夜间/人群密集难倒视频分析?三篇CVPR2021论文攻克这些难题( 三 )


而针对3D人体姿态估计问题,研究人员通过结合两种现有方法(即自顶向下方法和自底向上方法)来估计视频中的3D人体姿态。
自顶向下网络被用来估计每个检测到的边界框内的人体关节,生成联合热图(heatmap)反馈到自底向上网络,自底向上网络同样也进行估计生成图像。最后研究人员将自顶向下和自底向上网络输出的3D估计姿态输入到集成网络中,以获得给定图像序列的最终3D姿态估计图像。
环境因素|暴雨/夜间/人群密集难倒视频分析?三篇CVPR2021论文攻克这些难题

▲3D人体姿态估计改进流程
3D 人体姿态新方法则可以产生更可靠的姿态估计,并更稳健地处理个体之间距离(或尺度变化)。
环境因素|暴雨/夜间/人群密集难倒视频分析?三篇CVPR2021论文攻克这些难题

▲从上到下,第一张是输入图;第二张是采取自顶向下方法,受人际遮挡影响;第三张是自底向上方法,对尺寸(3D)变化很敏感;第四张是研究人员提出的新方法
结语:避免物理环境干扰,是计算机视觉热点
计算机视觉技术在应用时会受到各种各样的影响,不止是下雨、夜晚或者出现人群等情况,比如白天光线过强、摄像头处于逆光角度等因素也会影响计算机视觉技术的处理效果。有时视频中只会有一种环境因素影响分析准确性,有时会混合出现多种,这种情况下针对每个因素都需要分别研究最优方法,最后才能分因素逐步优化视频分析结果。
计算机视觉是人工智能最广泛的技术方向之一,如何减少物理环境对计算机视觉应用方面影响仍是持续性热点话题。
来源:Yale-NUS College