无图像单像素关键点检测,保护隐私,估计人类姿势.

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 机器学习 机器学习

背景情况:

• 计算机视觉被广泛使用,但由于人类图像数据,它引发了隐私问题.
• 现有的方法通常需要详细的视觉信息,这可能会带来安全风险.

研究的目的:

• 提出一种无图像的人类关键点检测技术.
• 在以人为中心的计算机视觉任务中解决数据安全和隐私问题.
• 开发一种节约资源,保护隐私的解决方案.

主要方法:

• 使用编码照明和单像素探测器来检测关键点.
• 开发了一个编码器-解码器网络,以优化照明模式和关键点预测.
• 使用利兹体育数据集和COCO数据集训练和验证模型.
• 整合了EfficientNet骨干,以减少推断时间.

主要成果:

• 在模拟中获得了91.7%的平均精度.
• 在0.015.5的采样率下实验证明了88.4%的平均精度.
• 推断时间从4秒缩短到0.10秒.
• 该方法在没有图像重建的情况下在1D序列上运行,确保隐私.

结论:

• 拟议的无图像方法提供了显著的隐私保护和资源效率.
• 它成功地以超低的采样率检测到人类关键点.
• 潜在的应用包括临床监测,建筑工地监视和家庭服务机器人.