视觉|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 )

四、研究三：结合两种3D人体姿态估计方法，实现更可靠输出而针对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。

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）。

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