Un filtre de particules contraint par image pour le suivi de mouvement humain en 3D

Le suivi du mouvement humain en 3D à partir de séquences vidéo monoculaires a suscité un grand intérêt ces dernières années. Parmi ces méthodes de suivi du mouvement humain, le filtre de particules est considéré comme une approche efficace. Cependant, les approches actuelles basées sur le filtre de particules présentent encore des limitations, telles que le fait que de nombreuses particules ne sont manifestement pas cohérentes avec l'image observée car elles sont indépendantes de l'information image. Dans cet article, nous présentons une approche de filtre de particules contraint par image pour suivre le mouvement humain en 3D à partir de clips vidéo monoculaires, avec l'assistance d'une bibliothèque de mouvements précapturée. Nous proposons deux nouveaux critères de filtrage de particules et concevons une fonction de vraisemblance hiérarchique. La couche supérieure de la fonction consiste en critères de filtrage de particules, et la couche inférieure se compose de fonctions de vraisemblance basées sur les contours d'image et les caractéristiques des bords. Nous éliminons les particules qui ne correspondent pas significativement à l'image au niveau supérieur, et les particules restantes sont évaluées à l'aide de la fonction de vraisemblance sous-jacente. Les résultats expérimentaux montrent que notre méthode peut améliorer efficacement la précision du suivi de mouvement et contraindre l'estimation de la position du corps humain.