基于衣服屬性感知的人體姿勢預測.pdf

1、近年來在圖像分析、動作識別等領域，人體姿勢預測這個基本問題得到了科學家們廣泛的關注。從已有的工作來看，人的頭部、身軀等部位已經(jīng)取得了很高的精度，但是手臂由于其豐富的姿勢變化，目前還只有0.7的精度，這幾乎是人體姿勢預測領域最大的挑戰(zhàn)。一個簡單的想法是，衣服屬性信息對于姿勢的精準預測有很大的幫助。前人也有很多利用衣服屬性信息去幫助姿勢預測的工作，但是需要人為地去標注大量的衣服屬性標簽信息，這是一項極其耗時的工作。
　　在本文中，我們

2、提出了基于隱式衣服屬性的人體姿勢預測（Human Pose Estimation）模型。本文通過對圖畫式結構（Pictorial Structure）進行擴展來形式化人體姿勢預測問題，特別地，我們將衣服屬性作為隱變量來建模。跟傳統(tǒng)的基于標注信息進行預測的方法不同，我們不需要衣服屬性的標注信息，而且可以高效的進行求解。在本文中，我們定義了幾種比較重要的衣服屬性，并且建立了衣服屬性和人體部位之間的關系（比如袖子和手臂等）。進而，我們設計了兩

3、種特征，一是人體軀干對應的特征，二是人體軀干和衣服屬性的聯(lián)合特征?；诼?lián)合特征，采用隱式結構式支持向量機（Latent Structure SVM）算法來進行模型的訓練。所有的隱變量問題都會涉及到隱變量的初始化問題，我們采用K-Means聚類算法來初始化隱變量。接著，采用增量迭代的方式來進行參數(shù)的學習，即就是最小化隱式結構式支持向量機的目標函數(shù)。本文采用迭代的方式來求解最優(yōu)解，首先當衣服屬性變量確定的時候，本文采用動態(tài)規(guī)劃（Dynami