| 基于带有噪声输入的稀疏高斯过程的人体姿态估计 |
| |
| 引用本文： | 夏嘉欣,陈曦,林金星,李伟鹏,吴奇.基于带有噪声输入的稀疏高斯过程的人体姿态估计[J].自动化学报,2019,45(4):693-705. |
| |
| 作者姓名： | 夏嘉欣 陈曦 林金星 李伟鹏 吴奇 |
| |
| 作者单位： | 1.上海交通大学电子信息与电气工程学院自动化系 上海 200240;;2.系统控制与信息处理教育部重点实验室 上海 200240;;3.上海交通大学航空航天学院 上海 200240;;4.南京邮电大学自动化学院 南京 210 000 |
| |
| 基金项目： | 国家自然科学基金51705242江苏省自然科学基金BK20141430上海浦江人才计划15PJ1404300国家自然科学基金61473158浙江大学CAD和CG国家重点实验室开放课题A1713国家自然科学基金61671293 |
| |
| 摘 要： | 高斯过程回归（Gaussian process regression，GPR）是一种广泛应用的回归方法，可以用于解决输入输出均为多元变量的人体姿态估计问题.计算复杂度是高斯过程回归的一个重要考虑因素，而常用的降低计算复杂度的方法为稀疏表示算法.在稀疏算法中，完全独立训练条件（Fully independent training conditional，FITC）法是一种较为先进的算法，多用于解决输入变量彼此之间完全独立的回归问题.另外，输入变量的噪声问题是高斯过程回归的另一个需要考虑的重要因素.对于测试的输入变量噪声，可以通过矩匹配的方法进行解决，而训练输入样本的噪声则可通过将其转换为输出噪声的方法进行解决，从而得到更高的计算精度.本文基于以上算法，提出一种基于噪声输入的稀疏高斯算法，同时将其应用于解决人体姿态估计问题.本文实验中的数据集来源于之前的众多研究人员，其输入为从视频序列中截取的图像或通过特征提取得到的图像信息，输出为三维的人体姿态.与其他算法相比，本文的算法在准确性，运行时间与算法稳定性方面均达到了令人满意的效果.
|
| 关 键 词： | 姿态估计 回归分析 稀疏高斯过程 噪声输入 视频处理 |
| 收稿时间： | 2017-07-20 |
Sparse Gaussian Process With Input Noise for Human Pose Estimation |
| |
| XIA Jia-Xin,CHEN Xi,LIN Jin-Xing,LI Wei-Peng,WU Qi.Sparse Gaussian Process With Input Noise for Human Pose Estimation[J].Acta Automatica Sinica,2019,45(4):693-705. |
| |
| Authors: | XIA Jia-Xin CHEN Xi LIN Jin-Xing LI Wei-Peng WU Qi |
| |
| Affiliation: | 1. Department of Automation, School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240;;2. Key Laboratory of System Control and Information Processing, Ministry of Education of China, Shanghai 200240;;3. School of Aeronautics and Astronautics, Shanghai Jiao Tong University, Shanghai 200240;;4. College of Automation, Nanjing University of Posts and Telecommunications, Nanjing 210000 |
| |
| Abstract: | |
| |
| Keywords: | Human pose estimation regression analysis sparse Gaussian process(GP) noisy input video processing |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《自动化学报》浏览原始摘要信息 |
|
点击此处可从《自动化学报》下载全文 |
