计算机应用研究

作者：曹忠锐,谢文军,王冬,钮立超,王婷玉,刘晓平,

单位：合肥工业大学a.计算机与信息学院;b.软件学院;c.工业安全与应急技术安徽省重点实验室,合肥230601；

关键词：手部姿态估计,手关节自遮挡,视角统一,深度图像,点云变换,

基金：国家自然科学基金面上项目(62277014)；安徽省重点研究与开发计划资助项目(2022f04020006)；中央高校基本科研业务费专项资金资助项目(PA2023GDSK0047)；；

从深度图像中准确估计手的三维姿态是计算机视觉领域的重要任务。然而，由于手的自遮挡和关节自相似性，使得手姿态估计任务极具挑战性。为了克服这些困难，考察了深度图像采样视角对于估计精度的影响，提出了一种基于视角统一（UVP）的网络。该网络旨在将输入的深度图像重采样为更易于估计的“正面”视角，而后通过原始视角下的特征提高关节估计精度。首先，提出了视角转换模块，实现对输入的单张深度图像的视角旋转，提供作为补充的第二视角；然后，提出了视角统一损失函数，确保转换后的第二视角为“正面”视角，最大程度规避自遮挡问题；最后，通过改变卷积组合结构、降低网络深度等网络轻量化手段，进一步优化方法的性能。通过在三个公开的手姿态数据集（包括ICVL、NYU和MSRA）上进行实验，所提方法分别取得了4.92 mm、7.43 mm和7.02 mm的平均关节位置误差，且在搭载RTX3070的计算机上能以159.39 frame/s的速度运行。可见，转换深度图的采样视角，并融合双视角下的特征有利于提高手部姿态估计的精度。同时，所提方法具备自适应性，并表现出优秀的泛化能力，可以推广到大多数基于单深度图像的手部姿态估计模型，为深度学习在三维手姿态估计中的应用提供了有力支持。

来源：2025年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第1期