3D Pictorial Structures für die Schätzung mehrerer menschlicher Pose

In dieser Arbeit behandeln wir das Problem der 3D-Gesten-Schätzung mehrerer Menschen aus mehreren Ansichten. Dies stellt eine anspruchsvollere Aufgabe dar als die Schätzung der 3D-Gesten eines einzelnen Menschen, da der Zustandsraum deutlich größer ist, zudem durch partielle Verdeckungen sowie zwischenansichtsbedingte Mehrdeutigkeiten gekennzeichnet ist, insbesondere wenn die Identität der Menschen im Voraus nicht bekannt ist. Um diese Herausforderungen anzugehen, reduzieren wir zunächst den Zustandsraum durch Triangulation entsprechender Körpergelenke, die aus Teil-Detektoren in Paaren von Kamerabildern abgeleitet werden. Um die Mehrdeutigkeiten durch falsch zugeordnete oder vermischt erkannte Körperabschnitte mehrerer Menschen nach der Triangulation sowie solche, die durch falsch-positive Detektionen von Körperabschnitten entstehen, zu lösen, führen wir ein neuartiges 3D-Pictorial-Structures-Modell (3DPS) ein. Unser Modell schätzt 3D-Körperkonfigurationen aus unserem reduzierten Zustandsraum ab. Das 3DPS-Modell ist generisch und eignet sich sowohl für die Schätzung der Pose einzelner als auch mehrerer Menschen. Um mit dem Stand der Technik vergleichbar zu sein, evaluieren wir zunächst unsere Methode auf der Schätzung der 3D-Pose eines einzelnen Menschen an den Datensätzen HumanEva-I [22] und KTH Multiview Football Dataset II [8]. Anschließend stellen wir zwei neue Datensätze für die 3D-Pose-Schätzung mehrerer Menschen vor und evaluieren unsere Methode darauf.