本文主要是介绍Flowing ConvNets for Human Pose Estimation in Videos，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
ICCV 2015 code available
http://www.robots.ox.ac.uk/~vgg/software/cnn_heatmap/
本文主要用CNN网络来进行人体姿态估计，加入了temporal 信息以提高精度。
网络框架如下：
本文对于关节位置的估计提出了一个 heatmap概念，而不是一个坐标的回归。这样做可以提高关节定位的鲁棒性。
Spatial fusion layers 这主要是用来提取关节之间内在联系的。
learn dependencies between the human body parts locations represented by
these activations
Optical flow for pose estimation： 使用光流法来增强 heatmaps，具体通过以下三个步骤来实现：
1） the confidences from nearby frames are aligned to the current frame using
dense optical flow
2） these confidences are then pooled into a composite confidence map using
an additional convolutional layer
3） the final upper body pose estimate for a frame is then simply the positions
of maximum confidence from the composite map
通过综合前后帧信息来提高鲁棒性。
结果：
这篇关于Flowing ConvNets for Human Pose Estimation in Videos的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
