Estimación de la pose humana 2D en imágenes estéreo

摘要

La Estimación de la Pose Humana es el proceso de obtener la configuraciónespacial de las partes del cuerpo en imágenes. Frente a los métodos monoculares,que recuperan la pose a partir de una sola imagen, los métodos estéreo usan un parde imágenes para realizar el proceso, siendo capaces de aprovechar la redundanciade información y así mejorar la precisión. Este trabajo de Tesis se centra en adaptartécnicas monoculares de estimación de la pose ya existentes para que sean capacesde aprovechar las ventajas del uso de información estéreo.La primera contribución de esta tesis es una nueva técnica para estimar la pose2D de personas en imágenes estéreo basado en una restricción de similitud quepermite la colaboración entre dos estimadores de pose. Nuestra propuesta mejorala precisión de las poses estimadas en comparación con técnicas monoculares deestimación de la pose ejecutadas de forma independiente en cada vista de la imagenestéreo.La segunda contribución es una base de datos para el problema de la estimaciónde la pose humana en imágenes estéreo. Para validar experimentalmente nuestraspropuestas, hemos creado una nueva base de datos anotada de 630 imagenes estéreoque muestran personas en entornos diferentes, con ropa variada y diversa iluminación. La base de datos muestra a las personas en posición vertical con una granvariedad de poses de brazos que cubren todo el espacio de posibles configuracionesde poses.La tercera contribución es un nuevo método para estimar la pose 2D de personasen secuencias de video estéreo. El método comienza con una reducción de lasposibles localizaciones de las partes del cuerpo usando información de color y dedisparidad. A continuación se utiliza información a priori para la localización delas partes del cuerpo más estructuradas. Por último, un método de recombinaciónde partes del cuerpo se aplica en la secuencia estéreo para obtener la mejor configuración de las partes del cuerpo. Los experimentos demuestran que la propuestaconsigue mejores resultados que el actual estado del arte.