La Stima della Posa Umana (o Human Pose Estimation) risulta essere oggi uno dei problemi di maggiore interesse nel campo della visione artificiale e, nonostante oltre un decennio e mezzo di ricerche, risulta ancora un problema in larga parte irrisolto. Questo lavoro di tesi nasce con l'obiettivo di sperimentare un approccio innovativo alla Human Pose Estimation in uno spazio tridimensionale a partire da una singola immagine a colori. Lo scopo ਠdi permettere di ricavare le coordinate, rispetto ad un sistema di riferimento fissato, di un set predeterminato di punti chiave utili a codificare la posa del soggetto umano rappresentato nell'immagine.

Regressione di campi vettoriali in reti deep per monocular Human Pose Estimation 3D

2019

Abstract

La Stima della Posa Umana (o Human Pose Estimation) risulta essere oggi uno dei problemi di maggiore interesse nel campo della visione artificiale e, nonostante oltre un decennio e mezzo di ricerche, risulta ancora un problema in larga parte irrisolto. Questo lavoro di tesi nasce con l'obiettivo di sperimentare un approccio innovativo alla Human Pose Estimation in uno spazio tridimensionale a partire da una singola immagine a colori. Lo scopo ਠdi permettere di ricavare le coordinate, rispetto ad un sistema di riferimento fissato, di un set predeterminato di punti chiave utili a codificare la posa del soggetto umano rappresentato nell'immagine.
2019
it
Dipartimento di Ingegneria "Enzo Ferrari"
Università degli Studi di Modena e Reggio Emilia
File in questo prodotto:
File Dimensione Formato  
tesi.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 16.13 MB
Formato Adobe PDF
16.13 MB Adobe PDF
frontespizio.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 32.41 kB
Formato Adobe PDF
32.41 kB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/298263
Il codice NBN di questa tesi è URN:NBN:IT:UNIMORE-298263