摘要
从单个深度图像中估计手部姿态是计算机视觉和人机交互领域的一个重要课题。尽管卷积神经网络在这一领域的最新进展已经取得了一定的成果，但精确的手部姿态估计仍然是一个具有挑战性的问题。本文提出了一种姿态引导的结构化区域集成网络（Pose-REN），以提升手部姿态估计的性能。该方法在初始估计的姿态指导下，从卷积神经网络的特征图中提取区域，生成更加优化和代表性更强的手部姿态特征。随后，通过采用树状全连接的方式，根据手关节的拓扑结构对提取的特征区域进行层次化整合。所提出的网络直接回归出更精细的手部姿态估计结果，并通过迭代级联的方法获得最终的手部姿态。在公共手部姿态数据集上的全面实验表明，我们的方法优于现有的最先进算法。