《计算机视觉：从入门到精通》技术手册 第18章 人体姿态估计与动作捕捉
目录
第18章 人体姿态估计与动作捕捉
18.1 2D姿态估计
18.1.1 热图回归与坐标回归方法
18.1.2 堆叠沙漏网络（Stacked Hourglass）
18.1.3 高分辨率网络（HRNet）与多尺度融合
18.1.4 自底向上方法：OpenPose, PifPaf, DEKR
18.2 3D姿态估计与重建
18.2.1 单目3D姿态估计：简单基线与积分回归
18.2.2 相机坐标系 vs 根相对坐标系
18.2.3 人体网格重建：SMPL, SMPL-X模型
18.2.4 参数化模型拟合与回归：HMR, SPIN, EFT
18.3 手部与面部关键点检测
18.3.1 手部姿态估计：21关键点模型
18.3.2 面部关键点：68点/468点检测
18.3.3 表情参数估计：FLAME模型
18.3.4 全身联合估计：Whole-Body Pose Estimation
第18章 人体姿态估计与动作捕捉
人体姿态估计是计算机视觉理解人类行为的基础任务，旨在从图像或视频中定位人体解剖关键点（如关节、肢体端点）的空间位置。该技术作为人机交互、运动分析、虚拟现实等应用的核心组件，经历了从传统手工特征到深度学习方法的技术演进。本章系统阐述2D姿态估计的主流方法、网络架构及自底向上与自顶向下范式的技术特点。