2021-09-19 3D pose est

[https://www.cxyzjd.com/article/qq_42722197/117609139]

知乎-基于深度学习的三维人体姿态估计综述：系统性回顾（2014至2020年）[https://www.zhihu.com/search?type=content&q=3D 人机交互技术发展综述]

3D姿态估计常见方法：

1.直接估计法：

视频数据集如HumanEva和Human3.6M记录了3D关节的位置。这些数据便于后续应用在监督学习中，并且可以从图像中推断出人体三维骨骼结构。

现有的多数方法未能有效解决相机位姿问题，并且这些方法通常通过估计节点相对于根节点的深度来推断其空间位置，并采用基于平均骨骼长度的预设全局尺度作为基准进行建模

缺点：

基于这些图像具备了细致且精确的3D注释能力，在受控MoCap环境中捕获。仅仅依靠这些图像训练出来的模型无法有效地适应真实环境，在此无需考虑这种方法的应用

2.两阶段法：

回归分析首先从二维信息着手，在三维姿态推导的过程中发挥重要作用。该方法通过从图像中提取特征信息，并最终获得二维关键点（如HRNet、PifPaf等网络均可实现这一目标）。随后将这些二维关键点序列输入到后续模型中进行推导（其中包含强行全连接层、时序卷积网络以及长短期记忆单元网络等），从而实现三维关键点的重建过程。根据相关实验数据表明：利用二维的真实关节