基于深度高斯过程的人体姿态估计与运动跟踪研究

In the image and video, human poses and motions often exhibit high-dimensionality, ambiguity and diversity. Hence, human pose estimation and motion tracking has become an important and challenging problem in computer vision. By analyzing the advantages and disadvantages of the current estimation and tracking algorithms, we propose to use a novel deep Gaussian process as the core technology in this project to design a number of high-quality algorithms for pose estimation and motion tracking. Consequentially, we can leverage the complimentary strengths of both deep learning and Gaussian process to efficiently alleviate ambiguity in the image and video, and accurately reconstruct high-dimensional human poses and motions in the complex environment. This project will be the theoretical and technical foundation to solve many livelihood issues including surveillance and digital medical-care.

图片与视频中的人体姿态与运动通常呈现出高维性、歧义性和多样性， 这使人体姿态估计和运动跟踪的研究成为计算机视觉领域一个备受关注的挑战性课题。通过对人体姿态估计与运动跟踪先进算法的利弊分析，本项目拟以新颖的深度高斯过程为核心技术，设计一系列高性能的人体姿态估计与运动跟踪框架。从而，利用深度学习与高斯过程的优势互补，有效地改善图片与视频中存在的歧义性，实现复杂环境中高维人体姿态与运动的精确重建，为解决安防监控、数字医疗等重要民生问题奠定理论与技术基础。

图片与视频中的人体姿态与运动通常呈现出高维性、歧义性和多样性， 这使人体运动分析成为计算机视觉领域一个备受关注的挑战性课题。为此，本项目以深度学习与高斯过程为基础，为深度高斯过程模型设计实用的序列推理机制，并以此为核心，研发高效的人体姿态运动分析框架，从而，利用深度学习与高斯过程的优势互补，实现复杂视觉环境中高维人体运动行为的精确重建与理解。经过全体成员共同努力，取得成果：.（1）深度高斯过程的理论研究：利用先进的机器学习与贝叶斯理论，为深度高斯过程模型研发快速、精确、鲁棒的在线推理机制。.（2）人体姿态与运动的应用研究：利用深度学习与高斯过程的优势互补，研发一系列高效的人体运动行为分析与理解框架。..基于上述成果，我们顺利完成本项目各项指标（详见附件）：.（1）发表论文13篇（SCI论文5篇，EI论文8篇），其中包括国际一流期刊和国际一流会议论文6篇（IEEE Transactions on Image Processing：2篇，ICCV：1篇，CVPR：1篇，AAAI：2篇）。.（2）申请发明专利6项。.（3）培养研究生4名。..通过本项目科研，.（1）ICCV2017发表oral论文(接受率2.09%，投稿数>2000)。.（2）获得IEEE ICARM国际会议最佳会议论文提名奖。.（3）项目负责人获得深圳市海外高层次人才(C类)、深圳市南山区领航人才(C类)。