3D Human Pose Estimation from Monocular Image Sequences
Author
Barbulescu, Adela
Term
4. term
Publication year
2012
Abstract
Reconstructing a person’s 3D pose from monocular images (pictures from a single camera) is difficult but has many applications. Many existing methods rely on extra inputs such as silhouettes or controlled camera setups and struggle in cluttered scenes. This thesis presents a framework that estimates 3D human pose from sequences of monocular images without background information and is robust to camera variations. It addresses the complex, non-linear nature of human motion using flexible learning components: a highly customizable 2D detector that finds body points in images, and a Gaussian process regressor (a probabilistic machine-learning model) trained on specific action types. On the HumanEva benchmark, the system achieves a 58% reduction in average estimation error compared with prior work on the same datasets. The thesis reports the experimental setup, test results, and performance measures for 3D pose estimation.
At genskabe en persons 3D-kropspositur ud fra monokulære billeder (billeder fra ét kamera) er svært, men har mange anvendelser. Mange eksisterende løsninger kræver ekstra input som silhuetter eller kontrollerede kameraforhold og har problemer i rodede scener. Denne afhandling præsenterer et rammeværk, der kan estimere 3D-kropspositur fra sekvenser af monokulære billeder uden baggrundsinformation og som er robust over for variationer i kameraer. Rammeværket håndterer den komplekse, ikke-lineære natur i menneskelig bevægelse ved at bruge fleksible læringsmetoder: en meget tilpasningsbar 2D-detektor, der finder kropspunkter i billeder, samt en Gaussisk proces-regressor (en probabilistisk maskinlæringsmodel) trænet på specifikke bevægelsestyper. På HumanEva-benchmarket opnår systemet 58 % lavere gennemsnitlig estimeringsfejl end tidligere arbejder på de samme datasæt. Afhandlingen giver detaljer om forsøgsopsætning, testresultater og målinger af ydeevne for 3D-positursestimering.
[This apstract has been rewritten with the help of AI based on the project's original abstract]
Other projects by the authors
Barbulescu, Adela: