全文总字数：2790字
1. 毕业设计（论文）主要内容：
对视频中的人体进行姿态估计是对人体行为理解的重要组成部分。但是，现实交通场景是三维的，视频只是现实三维世界在二维上的投影，这个过程势必伴随着大量信息丢失。这也给基于视频的传统人体2D姿态估计带来一些问题，例如部位遮挡、空间信息丢失等，这极大的影响了虚拟现实等后续应用的效果。人类具备理从视频中推测人体3D姿态的能力，如何让机器也能够具备这种能力不仅具有重要的学术价值，而且在体育赛事分析及虚拟现实等诸多人体视觉相关领域具有广泛应用前景。本课题要求从视频序列中对人体进行3D姿态估计。
2. 毕业设计（论文）主要任务及要求
1. 查阅基于视频的人体3D姿态估计的相关文献，理解人体3D姿态估计在虚拟现实及人体行为理解等领域的应用价值，并较深入的了解基于视频的人体3D姿态估计的研究现状。
2. 利用已有的3D人体模型数据，学习人体的3D先验知识，实现从视频序列中对人体进行3D姿态估计。
3. 利用上述人体3D估计结果，结合动作预测视频序列数据集，实现对视频中人体3D姿态进行预测。
3. 毕业设计（论文）完成任务的计划与安排
1. 2020年1月11日-2020年1月31日 查看相关国内外文献
2. 2020年2月1日-2020年2月28日 针对性的学习编程语言；尝试实现已阅读文献中的方法；完成开题报告。
3. 2020年3月1日-2020年3月31日 完成基于视频的人体3D姿态估计任务。
4. 主要参考文献
[1] Georgios Pavlakos, LuyangZhu, Xiaowei Zhou, Kostas Daniilidis:Learning to Estimate 3D Human Pose andShape From a Single Color Image. CVPR 2018: 459-468.
[2] Dominic Jack, FrédéricMaire, Sareh Shirazi, Anders P. Eriksson: IGE-Net: Inverse Graphics EnergyNetworks for Human Pose Estimation and Single-View Reconstruction. CVPR 2019:7075-7084.
[3] Georgios Pavlakos,Vasileios Choutas, Nima Ghorbani, Timo Bolkart, Ahmed A. A. Osman, DimitriosTzionas, Michael J. Black: Expressive Body Capture: 3D Hands, Face, and BodyFrom a Single Image. CVPR 2019: 10975-10985.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
