[en] Markerless pose estimation systems are useful for various applications including human-
computer interaction, activity recognition, security, gait analysis, and computer-assisted medical interventions. They have attracted much interest since the release of low-cost depth
cameras such as Microsoft’s Kinect camera. Shotton et al. and Girshick et al. pioneered
tractable methods that infer a full-body pose reconstruction in real-time.
Despite this technological breakthrough, the accuracy of human pose estimation from single
depth images remains insufficient for some applications. Our work aims at building a simulation environment to create images databases suited for any camera position and improving
the mainstream machine learning-based pose estimation algorithms.
Centre/Unité de recherche :
Intelsig ; Telim
Disciplines :
Ingénierie électrique & électronique
Auteur, co-auteur :
Azrour, Samir ; Université de Liège > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Télécommunications
Pierard, Sébastien ; Université de Liège > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Télécommunications
Van Droogenbroeck, Marc ; Université de Liège > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Télécommunications
Langue du document :
Anglais
Titre :
Improving pose estimation by building dedicated datasets and using orientation
Date de publication/diffusion :
19 mai 2016
Nom de la manifestation :
Human Motion Analysis for Healthcare Applications
Organisateur de la manifestation :
IET
Lieu de la manifestation :
London, Royaume-Uni
Date de la manifestation :
19 May 2016
Manifestation à portée :
International
Organisme subsidiant :
F.R.S.-FNRS - Fonds de la Recherche Scientifique [BE]