human pose estimation, part-based models, deep learning, random forest
Translated keywords:
human pose estimation, part-based models, deep learning, random forest
TUM classification:
MED 230d; DAT 760d
Abstract:
This thesis addresses the problem of human pose estimation from RGB images. It introduces novel discriminative and generative methods to tackle the demanding problem of automatically determining the human body pose from a single view, as well as from multiple views. In a multiple view scenario, we propose a human model for both single and multiple human pose estimation, with application into complex indoor and outdoor environments.
Translated abstract:
Das Ziel dieser Arbeit ist die Bestimmung der menschlichen Körperhaltung aus RGB Bilddaten. Hierbei werden neuartige diskriminative und generative Modelle vorgestellt, mit deren Hilfe die anspruchsvolle Abschätzung der Körperhaltung aus Bildern eines, bzw. mehrerer Blickwinkel ermöglicht wird. Für die Bestimmung aus mehreren Winkeln wird hierfür ein menschliches Modell sowohl für einzelne als auch für mehrere Posen vorgestellt und dieses im Innen- und Außenbereich evaluiert.